ValueError lors du réglage fin Inception_v3 dans Keras

Question

J'essaie d'affiner Inceptionv3 pré-formé dans Keras pour un problème de prédiction multi-étiquettes (17).

Voici le code:

# create the base pre-trained model 
base_model = InceptionV3(weights='imagenet', include_top=False) 

# add a new top layer 
x = base_model.output 
predictions = Dense(17, activation='sigmoid')(x) 

# this is the model we will train 
model = Model(inputs=base_model.input, outputs=predictions) 

# we need to recompile the model for these modifications to take effect 
# we use SGD with a low learning rate 
from keras.optimizers import SGD 
model.compile(loss='binary_crossentropy', # We NEED binary here, since categorical_crossentropy l1 norms the output before calculating loss. 
       optimizer=SGD(lr=0.0001, momentum=0.9)) 

# Fit the model (Add history so that the history may be saved) 
history = model.fit(x_train, y_train, 
      batch_size=128, 
      epochs=1, 
      verbose=1, 
      callbacks=callbacks_list, 
      validation_data=(x_valid, y_valid)) 

Mais je suis entré dans le message d'erreur suivant et avait du mal à déchiffrer ce qu'il dit:

ValueError: Error when checking target: expected dense_1 to have 4 dimensions, but got array with shape (1024, 17)

Il semble avoir quelque chose à voir avec ce qu'il doesn J'aime pas mon codage à chaud pour les étiquettes comme cible. Mais comment puis-je obtenir la cible 4 dimensions?

Answer 1

Il s'avère que le code copié à partir de https://keras.io/applications/ ne serait pas prêt à l'emploi. Le poste suivant m'a aidé: Keras VGG16 fine tuning

Les changements que je dois faire sont les suivantes:

1. Ajouter à la forme d'entrée à la définition du modèle base_model = InceptionV3(weights='imagenet', include_top=False, input_shape=(299,299,3)) et

2. Ajouter un Aplatissez() la couche pour aplatir la sortie du tenseur: x = base_model.output x = Flatten()(x) predictions = Dense(17, activation='sigmoid')(x)

Alors le modèle fonctionne pour moi!