代码之家 › 专栏 › 技术社区 › Oblomov

异常训练resnet50:“扁平化”输入的形状未完全定义”

resnet deep-learning keras tensorflow python

1

Oblomov · 技术社区 · 7 年前

我想用 keras.applications.resnet50 使用以下设置为两类问题训练resnet:

from keras.layers import Dropout, Flatten, Dense
from keras.applications.resnet50 import ResNet50
from keras.models import Model

resNet = ResNet50(include_top=False, weights=None)
y = resNet.output
y = Flatten()(y)
y = Dense(2, activation='softmax')(y)
model = Model(inputs=resNet.input, outputs=y)
opt = keras.optimizers.Adam()
model.compile(optimizer=opt, loss='categorical_crossentropy', metrics=['accuracy'])
epochs = 15
model.fit(train_tensors, train_targets, 
          validation_data=(valid_tensors, valid_targets),
          epochs=epochs, batch_size=10, callbacks=[checkpointer], verbose=1)

运行代码会抛出错误

Exception: The shape of the input to "Flatten" is not fully defined

所以输出层的输入张量肯定有问题,在我的例子中,它是一个热编码向量,也就是一个大小为2的一维数组。我做错什么了?

2 回复 | 直到 7 年前

1

Ioannis Nasios 7 年前

你得到

异常:“扁平化”输入的形状未完全定义

因为您尚未在resnet网络中设置输入形状。尝试:

resNet = ResNet50(include_top=False, weights=None, input_shape=(224, 224, 3))

另外,由于在输出层中使用的是二元交叉熵和乙状结肠激活,因此应该只使用1个神经元而不是2个,如下所示:

y = Dense(1, activation='sigmoid')(y)

2

1

Pang Ajmal PraveeN 7 年前

既然你在申请不 池(平均或最大) 对于resnet模型的输出,它提供的输出是一个4-d张量,传递给密集层。在密集层之前应用池是一个好主意,它将提取 动静脉畸形 或 最大值 上一层的每个特征,然后传递到密集层。另一个选项是,如果不想应用池层,则可以只应用 平坦() 层到resnet的输出,也可以将4-d张量转换为2-d张量,这是致密层所期望的。