如何在Keras模型上添加Conv2D层? 我的输入形状为(299299,15),为了使用预训练权重(imagenet),输入通道必须为3,因此我的想法是添加一个conv2d层,将通道从15更改为3
image = Input(shape=(299, 299, 15))
x = Conv2D(3, kernel_size=(8,8), strides=(2,2), activation='relu')(image)
model1 = Model(inputs=image, outputs=x)
model2 = InceptionResNetV2(include_top=False, weights = 'imagenet', input_tensor=None, input_shape=(299,299,3))
试一试
您可能希望将pooling='max'参数添加到InceptionResNetV2参数中。这将导致输出是一个一维向量,可以输入到一个稠密的层中。 模型摘要如下所示:
这将首先创建一个以
x_input=(229,229,15)
作为输入的模型,并执行卷积以将通道减少到3。然后将此模型的输出馈送到base_ model
(InceptionResNetV2),并添加一些层,例如GlobalAveragePooling
和Dense
层。最终的模型是以x_input
作为第一层,以Dense
层预测10个类作为输出层View Model Summary
相关问题 更多 >
编程相关推荐