在Keras顺序API中，training =假

ryhaxcpt 于 2023-02-23 发布在其他

关注(0)|答案(2)|浏览(165)

我们可以在使用Keras Functional API调用预训练模型时传递training = False参数，如本教程所示。
如何在Keras Sequential API中实现相同的功能？
下面是我尝试使用顺序API复制的代码：

inputs = tf.keras.Input( shape = ( TARGET_SIZE[0], TARGET_SIZE[1], 3 ) )
base_model = Xception( include_top = False, pooling = 'avg' )
base_model.trainable = False
x = base_model( inputs, training = False ) 
x = Dense( 512, activation = 'relu' )( x )
x = Dense( 256, activation = 'relu' )( x )
x = Dense( 128, activation = 'relu' )( x )
outputs = Dense( 6, activation = 'softmax' )( x )

以下是使用Sequential API实现整个模型 *（不含 * training = False）的代码，如下所示：

model = Sequential()
model.add( Xception( include_top = False, pooling = 'avg', input_shape = ( TARGET_SIZE[0], TARGET_SIZE[1], 3 ) ) )
model.add( Dense( units = 512, activation = 'relu' ) )
model.add( Dense( units = 256, activation = 'relu' ) )
model.add( Dense( units = 128, activation = 'relu' ) )
model.add( Dense( 6, activation = 'softmax' ) )

但是，我无法用它来压缩training = False的参数。

keras

来源：https://stackoverflow.com/questions/65993065/training-false-in-keras-sequential-api

2条答案

按热度按时间

e7arh2l61#

你可以尝试以下，它为我工作：
加载任何基础模型，include_top = False，然后（作为示例）：

flat1 = Flatten()(base_model.layers[-1].output, training=False)
    
 class1 = Dense(5, activation='relu')(flat1)
    
 output = Dense(1, activation='sigmoid')(class1) 

 model = Model(inputs=base_model.inputs, outputs=output)

赞(0）回复(0）举报 2023-02-23

iugsix8n2#

我也在问自己同样的问题。不幸的是，我没有找到明确的解释。Here有关于迁移学习的Tensorflow指南。如您所见，只有在调用模型或层时才能使用training = False。因此，我意识到您需要使用您编写的第一个代码。

赞(0）回复(0）举报 2023-02-23