错误“模型对象没有属性 'get_shape'” - 微调 Keras 模型答案

【问题标题】：Error "Model object has no attribute 'get_shape'" - Fine-tuning Keras model错误“模型对象没有属性 'get_shape'” - 微调 Keras 模型
【发布时间】：2017-04-30 20:31:55
【问题描述】：

我正在尝试为具有不同类的数据集微调 VGG16 模型。在this example之后，我尝试这样做：

from keras.applications.vgg16 import VGG16
from keras.models import Model
from keras.layers import Dense, GlobalAveragePooling2D
from keras import backend as K

pretrained = VGG16(include_top=False, weights='imagenet')
model = pretrained.output

# Add new layers here

model = Model(inputs=pretrained.input, outputs=model)

但是，我在向模型添加新层时遇到了问题。在model = pretrained.output 行之后，我尝试了以下每一行（一次一行）：

model = Flatten()(pretrained)

model = MaxPooling2D((2,2), strides=(2,2))(pretrained)

model = Dense(1024, activation='relu')(model)

model = Convolution2D(32, 3, 3)(model)  

model = GlobalAveragePooling2D()(x)

对于我尝试的前两行，我得到了错误

AttributeError: 'Model' object has no attribute 'get_shape'

当我尝试最后三行中的每一行时，每次都会遇到与图层大小有关的错误，例如model = Convolution2D(32, 3, 3)(model) 这条线给了我：

Error when checking target: expected conv2d_1 to have 4 dimensions, but got array with shape (38, 100)

如何解决这些错误？更一般地说，我如何知道可以将哪些类型的层附加到卷积模型？

【问题讨论】：

标签： tensorflow keras convolution

【解决方案1】：

添加此层后：

model = Flatten()(pretrained)

您的模型已经变得“平坦”并且获得了维度[None, X] - 其中X 是包含在前一层pretrained.output 中的神经元总数。

这就是为什么显然在此之后，您不能仅仅因为模型的形状不是“方形”而应用卷积和池化层（例如 (None,3,28,20)）。为了让一切正常运行，您需要确定pretrained.output 的输出维度，然后在没有Flatten() 层的情况下应用卷积或池化操作以及必要大小的内核等等。

【讨论】：