web-dev-qa-db-ja.com

Keras-すべてのレイヤー名は一意である必要があります

私は2つのVGGネットをケラで組み合わせて分類タスクを作成します。プログラムを実行すると、エラーが表示されます。

RuntimeError：モデルで「予測」という名前が2回使用されています。すべてのレイヤー名は一意である必要があります。

私のコードではpredictionレイヤーを1回しか使用していないため、混乱しました。

_from keras.layers import Dense
import keras
from keras.models import  Model
model1 = keras.applications.vgg16.VGG16(include_top=True, weights='imagenet',
                                input_tensor=None, input_shape=None,
                                pooling=None,
                                classes=1000)
model1.layers.pop()

model2 =  keras.applications.vgg16.VGG16(include_top=True, weights='imagenet',
                                input_tensor=None, input_shape=None,
                                pooling=None,
                                classes=1000)
model2.layers.pop()
for layer in model2.layers:
    layer.name = layer.name + str("two")
model1.summary()
model2.summary()
featureLayer1 = model1.output
featureLayer2 = model2.output
combineFeatureLayer = keras.layers.concatenate([featureLayer1, featureLayer2])
prediction = Dense(1, activation='sigmoid', name='main_output')(combineFeatureLayer)

model = Model(inputs=[model1.input, model2.input], outputs= prediction)
model.summary()
_

@putonspectaclesの助けをありがとう、私は彼の指示に従い、いくつかの興味深い部分を見つけました。 model2.layers.pop()を使用し、 "model.layers.keras.layers.concatenate([model1.output, model2.output])"を使用して2つのモデルの最後のレイヤーを組み合わせると、model.summary()を使用して最後のレイヤー情報が引き続き表示されることがわかります。しかし、実際にはそれらは構造内に存在しません。したがって、代わりにmodel.layers.keras.layers.concatenate([model1.layers[-1].output, model2.layers[-1].output])を使用できます。トリッキーに見えますが動作します。ログと構造の同期に関する問題だと思います。

pythonkerasvgg-net
8
dashenswen

まず、投稿したコードに基づいて、noレイヤーに名前属性 'predictions'があるため、このエラーはレイヤーとは何の関係もありませんDenseレイヤーprediction：つまり：

prediction = Dense(1, activation='sigmoid', 
             name='main_output')(combineFeatureLayer)

VGG16 モデルには、Densenameを含むpredictionsレイヤーがあります。特にこの行：

x = Dense(classes, activation='softmax', name='predictions')(x)

また、これらのモデルの2つを使用しているため、重複した名前のレイヤーがあります。

あなたができることは、次のように、2番目のモデルのレイヤーの名前を予測以外の名前、おそらくpredictions_1に変更することです。

model2 =  keras.applications.vgg16.VGG16(include_top=True, weights='imagenet',
                                input_tensor=None, input_shape=None,
                                pooling=None,
                                classes=1000)

# now change the name of the layer inplace.
model2.get_layer(name='predictions').name='predictions_1'
7
orsonady

レイヤーの名前はケラスで変更できます。「tensorflow.python.keras」は使用しないでください。

これが私のサンプルコードです：

from keras.layers import Dense, concatenate
from keras.applications import vgg16

num_classes = 10

model = vgg16.VGG16(include_top=False, weights='imagenet', input_tensor=None, input_shape=(64,64,3), pooling='avg')
inp = model.input
out = model.output

model2 = vgg16.VGG16(include_top=False,weights='imagenet', input_tensor=None, input_shape=(64,64,3), pooling='avg')

for layer in model2.layers:
    layer.name = layer.name + str("_2")

inp2 = model2.input
out2 = model2.output

merged = concatenate([out, out2])
merged = Dense(1024, activation='relu')(merged)
merged = Dense(num_classes, activation='softmax')(merged)

model_fusion = Model([inp, inp2], merged)
model_fusion.summary()
2
Phan Van Hoai Duc

例：

# Network for affine transform estimation
affine_transform_estimator = MobileNet(
                            input_tensor=None,
                            input_shape=(config.IMAGE_H // 2, config.IMAGE_W //2, config.N_CHANNELS),
                            alpha=1.0,
                            depth_multiplier=1,
                            include_top=False,
                            weights='imagenet'
                            )
affine_transform_estimator.name = 'affine_transform_estimator'
for layer in affine_transform_estimator.layers:
    layer.name = layer.name + str("_1")

# Network for landmarks regression
landmarks_regressor = MobileNet(
                        input_tensor=None,
                        input_shape=(config.IMAGE_H // 2, config.IMAGE_W // 2, config.N_CHANNELS),
                        alpha=1.0,
                        depth_multiplier=1,
                        include_top=False,
                        weights='imagenet'
                        )
landmarks_regressor.name = 'landmarks_regressor'
for layer in landmarks_regressor.layers:
    layer.name = layer.name + str("_2")

input_image = Input(shape=(config.IMAGE_H, config.IMAGE_W, config.N_CHANNELS))
downsampled_image = MaxPooling2D(pool_size=(2,2))(input_image)
x1 = affine_transform_estimator(downsampled_image)
x2 = landmarks_regressor(downsampled_image)
x3 = add([x1,x2])

model = Model(inputs=input_image, outputs=x3)
optimizer = Adadelta()
model.compile(optimizer=optimizer, loss=mae_loss_masked)
0
mrgloom