从预训练的 keras 模型中移除层提供与原始模型相同的输出

Question

在一些特征提取实验中，我注意到“model.pop()”功能没有按预期工作。对于像 vgg16 这样的预训练模型，在使用 'model.pop()' 后，model.summary() 显示该层已被删除（预期有 4096 个特征），但是在将图像通过新模型时，结果相同特征数量（1000）作为原始模型。无论移除多少层，包括一个完全空的模型，它都会生成相同的输出。寻求您对可能出现的问题的指导。

#Passing an image through the full vgg16 model
model = VGG16(weights = 'imagenet', include_top = True, input_shape = (224,224,3))
img = image.load_img( 'cat.jpg', target_size=(224,224) )
img = image.img_to_array( img )
img = np.expand_dims( img, axis=0 )
img = preprocess_input( img )
features = model.predict( img )
features = features.flatten()
print(len(features)) #Expected 1000 features corresponding to 1000 imagenet classes

1000

model.layers.pop()
img = image.load_img( 'cat.jpg', target_size=(224,224) )
img = image.img_to_array( img )
img = np.expand_dims( img, axis=0 )
img = preprocess_input( img )
features2 = model.predict( img )
features2 = features2.flatten()
print(len(features2)) #Expected 4096 features, but still getting 1000. Why?
#No matter how many layers are removed, the output is still 1000

1000

谢谢！

在此处查看完整代码：https : //github.com/keras-team/keras/files/1592641/bug-feature-extraction.pdf

Answer 1

解决@Koul 的回答。

我相信您不需要使用该pop方法。而只是将输出层之前的层作为Model方法的输出参数的参数传递：

from keras.models import Model

model2 = Model(model.input, model.layers[-2].output)
model2.summary()

Answer 2

在这里找到答案： https: //github.com/keras-team/keras/issues/2371#issuecomment-308604552

from keras.models import Model

model.layers.pop()
model2 = Model(model.input, model.layers[-1].output)
model2.summary()

model2 行为正确。