为 VGGFace 实现 lambda 预处理函数答案

【问题标题】：Implementing lambda preprocess function for VGGFace为 VGGFace 实现 lambda 预处理函数
【发布时间】：2021-03-01 01:54:20
【问题描述】：

您好，我正在尝试使用迁移学习制作网络，同时微调 VGGFace 实现：

img_height, img_width = 224,224
module=VGGFace(model = 'resnet50',include_top = False,weights = 'vggface',input_shape = (img_height, img_width, 3))

model = tf.keras.Sequential([
    tf.keras.layers.InputLayer(input_shape=(img_height, img_width, 3)),             
    tf.keras.layers.Lambda(lambda x: utils.preprocess_input(np.expand_dims(x, axis=0), version=2)),
    module,
    tf.keras.layers.Flatten(),
    tf.keras.layers.Dense(256, activation="relu"),
    tf.keras.layers.Dense(num, "sigmoid"), 
])

但是出现以下错误：

Cannot convert a symbolic Tensor (Placeholder:0) to a numpy array. This error may indicate that you're trying to pass a Tensor to a NumPy call, which is not supported

我想这是因为 utils.preprocess_input 函数适用于 numpy 数组而不是张量，但我需要它在网络架构中，因为我要处理很多图像并且我无法存储它们立刻。有什么建议可以让它发挥作用吗？

【问题讨论】：

错误说明了一切：您正在尝试将张量传递给 NumPy 调用。试试这个：utils.preprocess_input(np.expand_dims(x.numpy(), axis=0), version=2)
@MertKöklü 谢谢，我同意你的看法！我尝试了不同的方法将张量转换为数组，但似乎没有任何效果，这个说'Tensor' object has no attribute 'numpy'

标签： python tensorflow keras keras-vggface

【解决方案1】：

您正在尝试使用 numpy expand_dims 扩展张量的维度。试试这个：

utils.preprocess_input(tf.expand_dims(x, axis=0), version=2)

【讨论】：