我将Keras-CNN模型M分为两部分:特征抽取器E(X)和预测器p(Y)。提取器从图像中计算特征映射,预测器从这些特征映射中进行预测。这基本上就是用最后一个conv层来分割网络。你知道吗
现在,我需要在E之后和p之前添加一些操作:E' = f(E(X))
,P'=P(g(Y))
。你知道吗
到目前为止,我一直在使用K.function()
将模型分成两个函数。你知道吗
E = K.function(M.inputs, [M.get_layer('last_conv').output])
P = K.function([M.get_layer('following_layer').input], M.outputs)
如何构造计算f(E(X))和p(g(Y))的函数?你知道吗
另一个问题:我可以用模型类来做这个吗?f(E(X))看起来很简单,但是P(g(Y))呢?该问题相当于在预训练模型中插入一些层,然后将其分解为两个函数。你知道吗
目前没有回答
相关问题 更多 >
编程相关推荐