使用keras ResNet50模型进行二进制分类的输出层

如何解决使用keras ResNet50模型进行二进制分类的输出层

我正在尝试使用Keras ResNet50实现来训练二进制图像分类模型。

我想在不使用传递学习的情况下测试模型，但是当我尝试使用具有Sigmoid激活的简单密集层对二进制分类更改输出层时，出现形状尺寸错误。

我的代码是这样的：

time = Time.new

puts "Current time: #{time.inspect}"

backup_path = "C:\\redmine_backups\\#{time.year}-#{time.month}-#{time.day}-time-#{time.hour}h-#{time.min}min-#{time.sec}sec\\"
backup_filename = "#{time.year}-#{time.month}-#{time.day}-redmine.sql"

system("mkdir #{backup_path}")

mysql_dump_executable = "C:\\Program Files\\MySQL\\MySQL Workbench 8.0 CE\\mysqldump.exe"

mysql_dump_call = "C:\\Program Files\\MySQL\\MySQL Workbench 8.0 CE\\mysqldump.exe --defaults-file=\"C:\\ProgramData\\MySQL\\MySQL Server 8.0\\my.conf\"
--user=root --host=localhost --protocol=tcp --port=3306 --default-character-set=utf8 --skip-triggers \"redmine\" > #{backup_path}"

if File.exist?(mysql_dump_executable)
    system('start','',mysql_dump_call)
else
    puts "MySQLDump executable does not exist."
end

这样做我得到了这个错误：

baseModel= ResNet50(weights=None,include_top=False,classes=2,pooling=max)

output = baseModel.output
output = layers.Dense(1,activation='sigmoid')(output)

model = keras.models.Model(inputs=baseModel.input,outputs=output)

model.compile(optimizer=Adam(learning_rate=0.0001),loss='binary_crossentropy',metrics=['accuracy'])

如果我在密集层之前添加一个扁平层：

ValueError: logits and labels must have the same shape ((None,7,1) vs (None,1))

我在这里想念的是什么？如何更改致密层的输入形状？

解决方法

对于ResNet，您指定Top = False且pooling ='max'，因此Resent模型已向模型添加了最终的max pooling层。因此，请使用以下代码：无需添加展平层，最大池化可以为您展平输出。

out=basemodel.layers[-1].output 
output = layers.Dense(1,activation='sigmoid')(out)

您可以使用model.summary（）查看模型结构。 另外，您不应该使用classes = 2。如果top为false，则不应指定类。