keras進行圖像分類時遇到的小問題

Q1:由於網速慢或者網絡中斷等原因，導致keras加載VGG16等模型權重失敗，從而程序出錯。

方法：可以直接刪除，重新下載。

Keras-Github-教程
https://github.com/fchollet/deep-learning-models
原始權重下載地址
https://github.com/fchollet/deep-learning-models/releases
tf模型權重百度雲下載地址
http://pan.baidu.com/s/1dE9giOD

注：1.從百度雲盤下載權重文件最快；

　　2.刪除文件時，采用 $ open .keras/models/  ,進入隱藏的文件夾，然后刪除。（mac系統）

 

Q2:如何離線讀取VGG16的訓練權重。

方法：以個人為例，

model = applications.VGG16(include_top=False,

                       weights='/Users/******/.keras/models/vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5')

其中，******是自己電腦的賬號名；vgg16_weights_tf_dim_ordering_tf_kernels_notop.h5 是VGG16的權重文件；這樣就可以離線讀取VGG16的訓練權重了。

 

Q3: model.add(Flatten(input_shape=train_data.shape[1:]))，這句話的理解。（僅在圖像識別這一塊）

如果輸入train_data.shape[0:]，它會輸出這樣一個東西：[x1 , x2 , x3 , x4]，其中x1表示樣本數，x2表示圖寬度，x3表示圖高度，x4表示通道數。一般來說，樣本數是不好指定的，所以一般只讀取train_data.shape[1:]。（在tensorflow下如此，在theano中，4個含義的順序好像不是這樣。）

 

Q4: ValueError: Error when checking target: expected dense_2 to have shape (None, 3) but got array with shape (150, 1)

原因：當初自己出錯是因為圖形的標簽是3類，我在 train_labels = np.array([0] * 1000 + [1] * 1000 + [2] * 1000) 操作之后，並沒有將它分成3類，即生成3維，

需要加上這樣一句代碼 train_labels = np_utils.to_categorical(train_labels, 3)，此外相應的，要加上 from keras.utils import np_utils 。

 

Q5: for layer in model.layers[:15]:
　　　　layer.trainable = False

這句話是指將模型的前15層冰凍住，也就是在訓練網絡的過程中，前15層的網絡參數始終不發生變化。