keras 模型的 no_top 权重答案

【问题标题】：no_top weights for keras modelskeras 模型的 no_top 权重
【发布时间】：2018-02-16 10:30:04
【问题描述】：

预训练的深度学习模型有两种相关的权重，top（表示密集的全连接层）和 without_top（删除密集的全连接层）。我想知道如何为 no_top 权重训练模型

例如：我有一个架构，我想为它创建在 cifar10 数据上训练的权重。那么如何训练呢？

【问题讨论】：

标签： deep-learning keras conv-neural-network

【解决方案1】：

既然你说的是CIFAR10，那我给你举个图像分类的例子。
首先，您从 Keras 获得预训练模型，但没有顶层。

from keras.applications.vgg16 import VGG16
base_model = VGG16(weights='imagenet', include_top=False, input_shape=(48, 48, 3))

然后为分类任务添加新层。

x = base_model.output
x = Flatten()(x)
x = Dense(512, activation='elu', kernel_initializer='he_normal')(x)
prediction = Dense(10, activation='softmax', kernel_initializer='he_normal')(x)

最后一层有 10 个单元，因为 CIFAR10 有 10 个类。

你创建你的模型。

model = Model(inputs=base_model.input, outputs=prediction)

您将获得 CIFAR10 数据。

from keras.datasets import cifar10
(Xtrain, Ytrain), (Xtest, Ytest) = cifar10.load_data()

Ytrain = to_categorical(Ytrain)
Ytest = to_categorical(Ytest)

编译和训练。

model.compile(Adam(), loss='categorical_crossentropy', metrics=['accuracy'])
model.fit(Xtrain, Ytrain, batch_size=64, epochs=1, validation_data=(Xtest, Ytest))

注意：这里的训练会改变你所有层的权重（预训练层 + 新层）。您可能希望在训练之前冻结预训练层，以保持它们经过良好训练的权重。

【讨论】：

我的问题是如何创建没有顶层的预训练模型。