“ValueError: Graph disconnected: cannot get value for tensor KerasTensor” - 当我将 vgg16 基础连接到我自己的 FC 层时出现此错误答案

【问题标题】："ValueError: Graph disconnected: cannot obtain value for tensor KerasTensor" - Getting this error when i concatenate vgg16 base to my own FC layer“ValueError: Graph disconnected: cannot get value for tensor KerasTensor” - 当我将 vgg16 基础连接到我自己的 FC 层时出现此错误
【发布时间】：2021-06-24 22:05:48
【问题描述】：

我有这个模型，我将 vgg16 基本模型连接到 1 个 FC 层，然后是我的输出层。这就是整个模型的样子。

如果我扩展 vgg16，我有这个：

我正在尝试使用功能 api 将模型输入作为我的输入和 2 个输出，第一个是“block5_conv3”层，第二个是模型输出 (dense_19)。

我的代码如下：-

model = Model(inputs=[clf.get_layer('vgg16').input],
  outputs = [clf.get_layer('vgg16').get_layer('block5_conv3').output, clf.output])

我收到以下错误：-

无法弄清楚我在这里做错了什么。

【问题讨论】：

标签： python tensorflow machine-learning keras deep-learning

【解决方案1】：

您应该首先从您的VGG16 定义一个中间模型，该模型返回所有所需的输出（在您的情况下：block5_conv3 和最终输出）

vgg16 = VGG16(input_shape=(96,96,3), weights='imagenet', include_top=False)
extraction_model = Model(
    inputs = [vgg16.input],
    outputs = [vgg16.get_layer('block5_conv3').output, vgg16.output])

然后您可以将其用作新架构中的标准特征提取器：

inp = Input((96,96,3))
block5_conv3, x =  extraction_model(inp)
x = GlobalAveragePooling2D()(x)
x = Dense(64)(x)
x = Dropout(0.3)(x)
x = BatchNormalization()(x)
output = Dense(2, activation='softmax')(x)
model = Model(inputs=inp, outputs=[block5_conv3, output])

【讨论】：