【发布时间】:2019-01-14 12:57:22
【问题描述】:
我想“损坏”经过训练的 keras 网络的层,看看对这一层的损坏如何影响网络的性能。 所以基本上我想:
1)加载训练好的网络
2)调用目标层并初始化权重,放回网络中
3)计算网络精度
我在带有 TensorFlow 后端的 Google Colab 中的 Keras 中使用 DenseNet201 模型
import tensorflow as tf
import pandas as pd
import numpy as np
from keras.applications.densenet import DenseNet201
from keras.preprocessing import image
from keras.applications.inception_v3 import preprocess_input, decode_predictions
from keras.models import Model
from keras.callbacks import ReduceLROnPlateau, ModelCheckpoint
from keras.optimizers import Adam, SGD
from google.colab import drive
drive.mount('/content/gdrive')
from keras.models import load_model
model=load_model('/content/gdrive/My Drive/dense.h5')
adam = Adam(lr=0.001, beta_1=0.9, beta_2=0.999, epsilon=None, decay=0.0, amsgrad=True)
model.compile(optimizer=adam, loss='binary_crossentropy', metrics=['accuracy'])
for layer in model.layers:
print(layer.name)
model.layers[conv1/conv].set_weights( keras.initializers.RandomNormal(mean=0.0, stddev=0.05, seed=None))
所以,我打印出层的名称,而不是将这些名称准确地输入到 set_weights 中,但每次我得到这个 NameError
NameError Traceback(最近一次调用>last) 在 () ----> 1 model.layers[conv1/conv].set_weights(>keras.initializers.RandomNormal(mean=0.0, stddev=0.05, seed=None))
NameError:名称“conv1”未定义
【问题讨论】:
标签: python keras neural-network conv-neural-network