如何在Keras中的順序模型中更改輸入形狀

我有一個我在Keras中構建的順序模型。我試圖弄清楚如何改變輸入的形狀。在下面的例子如何在Keras中的順序模型中更改輸入形狀

model = Sequential() 
model.add(Dense(32, input_shape=(500,))) 
model.add(Dense(10, activation='softmax')) 
model.compile(optimizer='rmsprop', 
     loss='categorical_crossentropy', 
     metrics=['accuracy'])

讓我們說，我想建立與不同的輸入形狀的新模式，概念這應該是這樣的：

model1 = model 
model1.layers[0] = Dense(32, input_shape=(250,))

有修改模型輸入形狀的方法？

來源

2017-02-12 itamar kanter

想想在這種情況下改變輸入形狀意味着什麼。

你的第一個模型

model.add(Dense(32, input_shape=(500,)))

具有致密層這確實是一個500x32矩陣。

如果將輸入更改爲250個元素，則圖層的矩陣和輸入維度將不匹配。

但是，如果您嘗試實現的是重複使用最後一層來自第一個500元素輸入模型的訓練參數，則可以通過get_weights獲得這些權重。然後，您可以重新構建新模型並使用set_weights在新模型中設置值。

model1 = Sequential() 
model1.add(Dense(32, input_shape=(250,))) 
model1.add(Dense(10, activation='softmax')) 
model1.layers[1].set_weights(model1.layers[1].get_weights())

記住MODEL1第一層（又名model1.layers [0]）仍然是未經訓練的

來源

2017-02-12 13:19:09 maz

是否有保持整個模型並改變輸入層的方法？實際上我有一個複雜的模型，我想用全套輸入和部分輸入組來進行訓練並比較結果。我尋找一種方法來修改modlel1中的輸入尺寸，同時保持模型的其餘部分完全相同（當然除了輸入尺寸和固定層） –

我認爲不是。正如我所說，尺寸不匹配。如果你想知道你的模型在部分輸入方面的表現如何，我會建議僅用你的部分輸入來訓練一個不同的模型。你可以做什麼，但如果你真的想在不同尺寸輸入的情況下使用相同的模型，可以使用RNN而不是MLP。 – maz

有點關係，所以希望有人會發現這很有用：如果你有一個現有的模型，其中input是一個看起來像（None，None，None，3）的佔位符，例如，您可以加載模型，用具體形狀的輸入替換第一個圖層。比如當你想使用的iOS CoreML模型（在我的情況下，模型是一個MLMultiArray代替CVPixelBuffer，模型編譯失敗的輸入），這種轉變是非常有用的

from keras.models import load_model 
from keras import backend as K 
from keras.engine import InputLayer 
import coremltools 

model = load_model('your_model.h5') 

# Create a new input layer to replace the (None,None,None,3) input layer : 
input_layer = InputLayer(input_shape=(272, 480, 3), name="input_1") 

# Save and convert : 
model.layers[0] = input_layer 
model.save("reshaped_model.h5")  
coreml_model = coremltools.converters.keras.convert('reshaped_model.h5')  
coreml_model.save('MyPredictor.mlmodel')

來源

2017-10-09 19:45:28

如何在Keras中的順序模型中更改輸入形狀

回答

相關問題