Вот моя проблема, я хочу использовать одну из презервативной сети CNN в слое TimeDistributed. Но у меня есть некоторые проблемы для его реализации.Keras prerain CNN с TimeDistributed
Вот моя модель:
def bnn_model(max_len):
# sequence length and resnet input size
x = Input(shape=(maxlen, 224, 224, 3))
base_model = ResNet50.ResNet50(weights='imagenet', include_top=False)
for layer in base_model.layers:
layer.trainable = False
som = TimeDistributed(base_model)(x)
#the ouput of the model is [1, 1, 2048], need to squeeze
som = Lambda(lambda x: K.squeeze(K.squeeze(x,2),2))(som)
bnn = Bidirectional(LSTM(300))(som)
bnn = Dropout(0.5)(bnn)
pred = Dense(1, activation='sigmoid')(bnn)
model = Model(input=x, output=pred)
model.compile(optimizer=Adam(lr=1.0e-5), loss="mse", metrics=["accuracy"])
return model
При составлении модели у меня нет ошибки. Но когда я начала тренировки я получаю следующее сообщение об ошибке:
tensorflow/core/framework/op_kernel.cc:975] Invalid argument: You must feed a value for placeholder tensor 'input_2' with dtype float
[[Node: input_2 = Placeholder[dtype=DT_FLOAT, shape=[], _device="/job:localhost/replica:0/task:0/gpu:0"]()]]
я проверил и я отправить float32, но для input1, input2 является входом присутствует в pretrain RESNET.
Просто чтобы получить обзор, приведено резюме модели. (Примечание: это странно, что он не показывает, что произойдет внутри RESNET, но никогда не возражаю)
____________________________________________________________________________________________________
Layer (type) Output Shape Param # Connected to
====================================================================================================
input_1 (InputLayer) (None, 179, 224, 224, 0
____________________________________________________________________________________________________
timedistributed_1 (TimeDistribut (None, 179, 1, 1, 204 23587712 input_1[0][0]
____________________________________________________________________________________________________
lambda_1 (Lambda) (None, 179, 2048) 0 timedistributed_1[0][0]
____________________________________________________________________________________________________
bidirectional_1 (Bidirectional) (None, 600) 5637600 lambda_1[0][0]
____________________________________________________________________________________________________
dropout_1 (Dropout) (None, 600) 0 bidirectional_1[0][0]
____________________________________________________________________________________________________
dense_1 (Dense) (None, 1) 601 dropout_1[0][0]
====================================================================================================
Total params: 29,225,913
Trainable params: 5,638,201
Non-trainable params: 23,587,712
____________________________________________________________________________________________________
Я предполагаю, что я не использую TimeDistributed правильно, и я не видел никого, пытаясь сделать это. Надеюсь, кто-то может направить меня на это.
EDIT:
Проблема возникает из-за того, что ResNet50.ResNet50(weights='imagenet', include_top=False)
создать свой собственный вход в графике.
Так что, я думаю, мне нужно сделать что-то вроде ResNet50.ResNet50(weights='imagenet', input_tensor=x, include_top=False)
, но я не вижу, как связать его с TimeDistributed
.
Я попытался
base_model = Lambda(lambda x : ResNet50.ResNet50(weights='imagenet', input_tensor=x, include_top=False))
som = TimeDistributed(base_model)(in_ten)
Но это не работает.
Кажется, что запрашивается значение поплавка для заполнителя. Не могли бы вы проследить, что передано 'feed_dict' в вызове' tf.Session.run'? – drpng
В ** tensorflow_backend.py ** Я напечатал feed_dict, и я получил это '[, , dtype = bool>, ] '. ResNet по-прежнему определяется с помощью заполнителя, если он не должен. –
rAyyy
Я уверен, что я должен сделать что-то вроде 'ResNet50.ResNet50 (weights = 'imagenet', input_tensor = x, include_top = False)' поэтому в base_model нет placeholder, но я не вижу, как это сделать с TimeDistributed. – rAyyy