“conv_base.output”和“conv_base.input”在这段代码中是什么意思或做什么？

问题描述

conv_base = Xception(include_top=False,input_tensor=None,pooling=None,input_shape=(TARGET_SIZE,TARGET_SIZE,3),classifier_activation='softmax')
                           
model = conv_base.output
model = layers.GlobalAveragePooling2D()(model)
model = layers.Dense(5,activation = "softmax")(model)
model = models.Model(conv_base.input,model)

model.compile(optimizer = Adam(lr = 0.001),loss = "sparse_categorical_crossentropy",metrics = ["acc"])

谁能解释一下这段代码中的 conv_base.output 和 conv_base.input 是什么意思？它的用途和作用是什么？？

解决方法

tf.keras.models.Model 需要 inputs 和 outputs 作为参数：

参数： 输入：模型的输入：keras.Input 对象或列表 keras.Input 对象。 输出：模型的输出。请参阅下面的函数式 API 示例。 name：字符串，模型名称。

在 Keras 模型中，model.input 和 model.output 返回输入/输出张量，您可以将其作为新模型的输入/输出传递：

from tensorflow.keras.applications.vgg19 import VGG19

base_model = VGG19(weights=None)

print(base_model.input)

Tensor("input_2:0",shape=(None,224,3),dtype=float32)

请注意，调用这些层会返回张量，而不是模型，因此您似乎错误地分配了变量名称。相反，使用以下内容：

model_output = conv_base.output
layer_output = layers.GlobalAveragePooling2D()(model_output)
final_model_output = layers.Dense(5,activation = "softmax")(layer_output)
model = models.Model(conv_base.input,final_model_output)