小编Nor*_*ran的帖子

我正在使用Keras创建深度学习模型。创建VGG16模型时，会创建模型，但收到以下警告。

vgg16_model = VGG16()

为什么会发生此警告，我该如何解决？

WARNING:tensorflow:From /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/op_def_library.py:263: colocate_with (from tensorflow.python.framework.ops) is deprecated and will be removed in a future version.
Instructions for updating:
Colocations handled automatically by placer.

我通过 Keras 创建了一个用于图像识别的深度学习模型，并将模型权重保存为model.save_weights('weights.h5'). 另外，我加载了它并再次使用了重量。

我知道这model.save_weights()可以节省模型权重。我的问题是模型权重是多少？是过滤器的重量吗？

我使用以下代码使用 VGG16 创建了一个 CNN 模型，但在创建模型后，模型的输入层从结构中消失了（见图）。

为什么输入层从结构中消失了？

vgg16_model = keras.applications.vgg16.VGG16()
model = Sequential([])
 for layer in vgg16_model.layers[:-1]:
   model.add(layer)
   model.add(Dropout(0.5))
   model.add(Dense(2, activation='softmax', name = 'prediction'))

模型结构

我正在努力在Keras中为图像分类创建一个多输入卷积神经网络（CNN）模型，该模型接受两个图像并给出一个输出，该输出是两个图像的类。

我有两个数据集：type1和type2，每个数据集包含相同的类。该模型应从Type1数据集中获取一幅图像，从Type2数据集中获取一幅图像，然后将这些图像分类为一类（ClassA或ClassB或------）。

我想创建一个预测两个图像的模型，然后计算与以下图像相似的预测平均值：

如何创建该模型？如何在fit_generator中创建生成器？

我正在 Google Colab环境中使用Keras创建Siamese网络来验证图像。我使用了来自 GitHub 的这段代码。但是当我尝试运行pickle.dump代码时出现错误：

with open(os.path.join(save_path,"train.pickle"), "wb") as f:
    pickle.dump((X,c),f)

错误信息是：

---------------------------------------------------------------------------
OverflowError                             Traceback (most recent call last)
<ipython-input-7-af9d0618d385> in <module>()
      3 
      4 with open(os.path.join(save_path,"train.pickle"), "wb") as f:
----> 5         pickle.dump((X,c),f)
      6 
      7 

OverflowError: cannot serialize a bytes object larger than 4 GiB

我在这个网站上找到了一些相关的问题，但我找不到有用的答案。我该如何解决这个错误？