自动更改一个模型 在 keras 中更改另一个

Question

（这是我的第一个问题！） 我在谷歌 colab 工作。我在 keras 中微调了 Resnet50 模型并保存了权重。 现在，稍后在测试期间，我像这样加载模型权重：

res50 = keras.applications.ResNet50(weights= None, include_top=False, input_shape=(image_size, image_size, 3))

# Create the model
model = Sequential()

model.add(res50)

model.add(Flatten())
model.add(Dense(100, activation='relu'))
model.add(Dropout(0.5))#0.75
model.add(Dense(1, activation='sigmoid'))#softmax #to Sigmoid

model.summary()

new_model = model    
new_model.load_weights('/content/drive/My Drive/model_weights.hdf5')

model.compile(
    optimizer=keras.optimizers.Adam(1e-4),#1e-6
    loss="binary_crossentropy",
    metrics=["accuracy"],
)

请注意，在最后一个块中，我编译的是“model”，而不是“new_model”。然而我看到'new_model'也被编译了。此外，我注意到“模型”的权重也更新了，而不仅仅是“新模型”。基本上对任何一个进行任何更改都会更改另一个。为什么会这样？这是加载重量的正确方法吗？ 我对编程有非常基本的了解。请帮忙。

Answer 1

这里的问题是你给new_model分配了一个指向model的指针，所以基本上new_model和model引用的是同一个变量。

您可以通过创建一个生成具有所需结构的新模型的辅助函数来解决此问题：

def make_model(base_model):
    model = Sequential()
    model.add(base_model)
    model.add(Flatten())
    model.add(Dense(100, activation='relu'))
    model.add(Dropout(0.5))#0.75
    model.add(Dense(1, activation='sigmoid'))#softmax #to Sigmoid
    return model

最后：

res50 = keras.applications.ResNet50(weights= None, include_top=False, input_shape=(image_size, image_size, 3))

# Create the model
new_model = make_model(base_model=res50)

new_model.summary()
  
new_model.load_weights('/content/drive/My Drive/model_weights.hdf5')

new_model.compile(
    optimizer=keras.optimizers.Adam(1e-4),#1e-6
    loss="binary_crossentropy",
    metrics=["accuracy"],
)

这样，如果您以后需要使用另一个模型的加载权重创建其他模型，您只需要这样做：

new_future_model = make_model(new_base_model)