我正在尝试使用Keras Model API来修改训练模型，以便在旅途中对其进行微调：
一个非常基本的模型：
inputs = Input((x_train.shape[1:]))
x = BatchNormalization(axis=1)(inputs)
x = Flatten()(x)
outputs = Dense(10, activation='softmax')(x)
model1 = Model(inputs, outputs)
model1.compile(optimizer=Adam(lr=1e-5), loss='categorical_crossentropy', metrics=['categorical_accuracy'])它的结构是
InputLayer -> BatchNormalization -> Flatten -> Dense在我对它进行了一些训练批次之后，我想在Flatten层和输出之间添加一些额外的Dense层：
x = Dense(32,activation='relu')(model1.layers[-2].output)
outputs = model1.layers[-1](x)但是，当我运行它时，我得到了这个：
ValueError: Input 0 is incompatible with layer dense_1: expected axis -1 of input
shape to have value 784 but got shape (None, 32)这是怎么回事，如何/如果我可以添加层到一个已经训练好的模型？
1条答案
按热度按时间kupeojn61#
Dense层是严格针对某个输入维度制作的。该维度在定义后无法更改（它需要不同数量的权重）。因此，如果你真的想在一个已经使用的密集层之前添加层，你需要确保最后一个新层的输出与flatten的输出形状相同。（它说你需要784，所以你的新的最后一个密集层需要784个单位）。
另一种方法
因为你在添加中间层，所以保留最后一层是没有意义的：它是专门针对某个输入进行训练的，如果你改变了输入，那么你需要再次训练它。
既然你需要再训练一次，为什么要留着它？只需创建一个新的，将适合您的新的先前层的形状。