带有预训练 resnet50 的中间层误差张量流

大佬教程收集整理的这篇文章主要介绍了带有预训练 resnet50 的中间层误差张量流，大佬教程大佬觉得挺不错的，现在分享给大家，也给大家做个参考。

如何解决带有预训练 resnet50 的中间层误差张量流？

开发过程中遇到带有预训练 resnet50 的中间层误差张量流的问题如何解决？下面主要结合日常开发的经验，给出你关于带有预训练 resnet50 的中间层误差张量流的解决方法建议，希望对你解决带有预训练 resnet50 的中间层误差张量流有所启发或帮助；

我正在尝试使用 resnet50 进行迁移学习，但不明白为什么它会给我一个错误。我尝试用 Mobilenet 做同样的事情并且它有效。我使用的电脑没有连接到互联网，因此我单独下载了权重。 这是我的代码

def resnet50(image_size,num_classes,num_chAnnels,dense_size,drop_prec,include_top,preweights):
    if preweights:
        if include_top:
            path = os.path.join('weights_pre_trianed','resnet50_weights_tf_dim_ordering_tf_kernels.h5')
            res = applications.resnet50(include_top=include_top,input_shape=(image_size[0],image_size[1],num_chAnnels),weights=path)
            x = res.output
            preds = Dense(num_classes,activation='softmax')(X)
            model = Model(inputs=res.input,outputs=preds)
            for layer in model.layers[:143]:
                layer.Trainable = false
            for layer in model.layers[143:]:
                layer.Trainable = True
            return model

我收到以下错误

tensorflow.python.framework.errors_impl.InvalIDArgumentError: 2 root error(s) found.
  (0) InvalID argument: Computed output size would be negative: -227 [input_size: 56,effective_filter_size: 512,StriDe: 2]
     [[{{node res3a_branch1/convolution}}]]
     [[Mean/_2259]]
  (1) InvalID argument: Computed output size would be negative: -227 [input_size: 56,StriDe: 2]
     [[{{node res3a_branch1/convolution}}]]
0 successful operations.
0 derived errors ignored.

我使用 tensorflow 1.15 和 keras 2.3.1。 我的图像是灰度和大小 224x224 a 3 通道 为什么我会收到这个错误？

EDIT1：节点 res3a_branch1 是层号 45 Conv2D EDIT2：我想要一个二元分类

Edit3：我按照链接的建议进行了尝试，但现在出现了与模型相关的另一个错误。我知道@R_683_10675@用 lambda 层，但我不知道如何使用。

    'node = layer._inbound_nodes[node_index] 
AttributeError: 'nonetype' object has no attribute '_inbound_nodes' 

这是我之后的代码

 path=os.path.join('weights_pre_trianed','resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5')
 i = input([None,None,3],dtype='float32')
 x = applications.resnet50.preprocess_input(i)
 res = applications.resnet50(include_top=include_top,weights=path)                                       
        
 x = res(X)
 x = GlobalAveragePooling2D()(X)
 preds = Dense(num_classes,activation='softmax')(X)
 model = Model(inputs=i,outputs=preds)
 for layer in model.layers[:-2]:
        layer.Trainable = false
 return model

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

大佬总结

以上是大佬教程为你收集整理的带有预训练 resnet50 的中间层误差张量流全部内容，希望文章能够帮你解决带有预训练 resnet50 的中间层误差张量流所遇到的程序开发问题。

如果觉得大佬教程网站内容还不错，欢迎将大佬教程推荐给程序员好友。

本图文内容来源于网友网络收集整理提供，作为学习参考使用，版权属于原作者。
如您有任何意见或建议可联系处理。小编QQ：384754419，请注明来意。