python - 应用程序Inception Resnet v2中的Keras形状错误

我正在使用Keras 2.1.3，并且正在尝试使用Keras应用程序微调Inception Resnetv2。

所以我从keras.applications加载了预训练的模型

input_tensor = Input(shape=(299,299,3))
model = applications.inception_resnet_v2.InceptionResNetV2(weights='imagenet',
                                                        include_top=False,
                                                        input_tensor=input_tensor,
                                                        input_shape=(299, 299,3))

我为我的问题造成了瓶颈：

top_model = Sequential()
top_model.add(Flatten(input_shape=model.output_shape[1:]))
top_model.add(Dense(256, activation='relu'))
top_model.add(Dropout(0.5))
top_model.add(Dense(40, activation='softmax'))

最后创建一个新模型来连接两个部分：

new_model = Sequential()
for l in model.layers:
      new_model.add(l)

在这一步，我遇到了一个错误


  ValueError：输入0与层conv2d_7不兼容：输入形状的预期轴-1的值为192，但形状为（无，35、35、64）


所以我打印了每个图层的形状


  n-1层：输入:(无，35，35，64），输出：（无，35，35，64）
  
  第n层：输入:(无，35，35，192），输出：（无，35，35，48）


如您所见，形状不匹配，并且来自Keras的形状看起来很奇怪。

最佳答案

我不确定top_model.add(Flatten(input_shape=model.output_shape[1:]))是否通过了所需的尺寸。
另一种方法是尝试。

ResNetV2_model_output = model.output
new_concatenated_model = Flatten()(ResNetV2_model_output)
new_concatenated_model = (Dense(256, activation='relu'))(new_concatenated_model)
new_concatenated_model = ((Dropout(0.5)))(new_concatenated_model)
new_concatenated_model = (Dense(40, activation='softmax'))(new_concatenated_model)

关于python - 应用程序Inception Resnet v2中的Keras形状错误，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/48785552/