2016-11-24 3 views
1

J'utilise Resnet50 pour effectuer un transfert d'apprentissage. Le backend est tensorflow. J'ai essayé d'empiler trois autres couches sur le dessus du Resnet mais échouent avec l'erreur suivante:Keras L'apprentissage du transfert avec Resnet50 échoue avec l'exception

Exception: The shape of the input to "Flatten" is not fully defined (got (None, None, 2048). 
Make sure to pass a complete "input_shape" or "batch_input_shape" argument to the first layer in your model. 

Le code pour deux modèles d'empilage sont les suivantes:

model = ResNet50(include_top=False, weights='imagenet') 

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(1, activation='sigmoid')) 
top_model.load_weights(top_model_weights_path) 

model = Model(input=model.input, output=top_model(model.output)) 

Répondre

0

La dernière couche de ResNet avec include_top = L'option Faux est déjà aplatie et vous n'avez pas besoin d'une autre couche d'aplatissement.

+0

Etes-vous sûr? https://github.com/fchollet/keras/blob/89e6eb01f200ef6fa8db926ecfee68b37b229fbc/keras/applications/resnet50.py#L234 – Eduardo

0

Vous devez indiquer explicitement input_shape lors de l'instanciation du Resnet. model = ResNet50(include_top=False, weights='imagenet',input_shape=(224,224,3))

Si vous avez Théano comme backend, vous devez définir le nombre de canaux en tant que premier: model = ResNet50(include_top=False, weights='imagenet',input_shape=(3,224,224))