如何在 Keras 的迁移学习中使用 input_shape 和 input_tensor？

Question

当我们在 Keras2 中进行迁移学习时，Arguments 需要“input_shape”和“input_tensor”。但我只使用了 input_tensor，从未使用过 input_shape。我觉得只有input_tensor就够了，不知道什么时候用input_shape。 我应该如何单独使用它们？

我同时使用了input_tensor和input_shape，分别取值，只采用了input_tensor的值，忽略了input_shape。

vgg16_model = VGG16(include_top=False, weights='imagenet', 
                    input_tensor = Input(shape=(150, 150, 3)), 
                    input_shape=(224,224,3))

top_model = Sequential()
top_model.add(Flatten(input_shape=vgg16_model.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dense(1, activation='sigmoid'))
model = Model(input=vgg16_model.input, output=top_model(vgg16_model.output))

model.summary()

Layer (type)                 Output Shape              Param #   
================================================================
input_6 (InputLayer)         (None, 150, 150, 3)       0         
_________________________________________________________________
block1_conv1 (Conv2D)        (None, 150, 150, 64)      1792      
_________________________________________________________________
block1_conv2 (Conv2D)        (None, 150, 150, 64)      36928     
_________________________________________________________________
block1_pool (MaxPooling2D)   (None, 75, 75, 64)        0         
_________________________________________________________________
block2_conv......

我预计这段代码会出现一些错误，但没有错误，而且这个模型可以接受 (150, 150, 3) 的形状。 Input_shape=(224,224,3) 被忽略。

你能给我一点帮助吗？谢谢。

Answer 1

VGG16 代码可能只是忘记检查这两个参数。

当然，两者兼有是没有意义的。

• 当您希望模型以该大小自动创建自己的输入层时，您可以使用input_shape。
• 当你有一个想要作为输入的张量时，你可以使用input_tensor。

您可以在input_tensor 中使用任何张量，这意味着使用其他模型/层的输出作为VGG16 的输入。当然，您可以像以前一样传递一个虚拟输入张量，代码没有理由抱怨，它收到了一个张量，好的。

唯一的事情是编码器忘记验证“如果两个参数都存在，则抛出错误”。

Answer 2

实际上，当您设置 input_tensor 参数时，给定的张量（假设它是 Keras 张量）将用于输入，因此 input_shape 参数将被忽略。 Here是keras-applications源码中的相关部分：

if input_tensor is None:
    img_input = layers.Input(shape=input_shape)
else:
    if not backend.is_keras_tensor(input_tensor):
        img_input = layers.Input(tensor=input_tensor, shape=input_shape)
    else:
        img_input = input_tensor

如您所见，在最后一行中，给定的input_tensor 将用于输入张量，而不考虑input_shape。