keras實現densenet和Xception的模型融合
阿新 • • 發佈:2018-11-19
我正在參加天池上的一個競賽,剛開始用的是DenseNet121但是效果沒有達到預期,因此開始嘗試使用模型融合,將Desenet和Xception融合起來共同提取特徵。程式碼如下:
def Multimodel(cnn_weights_path=None,all_weights_path=None,class_num=5,cnn_no_vary=False): ''' 獲取densent121,xinception並聯的網路 此處的cnn_weights_path是個列表是densenet和xception的卷積部分的權值 ''' input_layer=Input(shape=(224,224,3)) dense=DenseNet121(include_top=False,weights=None,input_shape=(224,224,3)) xception=Xception(include_top=False,weights=None,input_shape=(224,224,3)) #res=ResNet50(include_top=False,weights=None,input_shape=(224,224,3)) if cnn_no_vary: for i,layer in enumerate(dense.layers): dense.layers[i].trainable=False for i,layer in enumerate(xception.layers): xception.layers[i].trainable=False #for i,layer in enumerate(res.layers): # res.layers[i].trainable=False if cnn_weights_path!=None: dense.load_weights(cnn_weights_path[0]) xception.load_weights(cnn_weights_path[1]) #res.load_weights(cnn_weights_path[2]) dense=dense(input_layer) xception=xception(input_layer) #對dense_121和xception進行全域性最大池化 top1_model=GlobalMaxPooling2D(data_format='channels_last')(dense) top2_model=GlobalMaxPooling2D(data_format='channels_last')(xception) #top3_model=GlobalMaxPool2D(input_shape=res.output_shape)(res.outputs[0]) print(top1_model.shape,top2_model.shape) #把top1_model和top2_model連線起來 t=keras.layers.Concatenate(axis=1)([top1_model,top2_model]) #第一個全連線層 top_model=Dense(units=512,activation="relu")(t) top_model=Dropout(rate=0.5)(top_model) top_model=Dense(units=class_num,activation="softmax")(top_model) model=Model(inputs=input_layer,outputs=top_model) #載入全部的引數 if all_weights_path: model.load_weights(all_weights_path) return model
如下進行呼叫:
if __name__=="__main__":
weights_path=["./densenet121_weights_tf_dim_ordering_tf_kernels_notop.h5",
"xception_weights_tf_dim_ordering_tf_kernels_notop.h5"]
model=Multimodel(cnn_weights_path=weights_path,class_num=6)
plot_model(model,to_file="G:/model.png")
最後生成的模型圖如下:有點長,可以不看
需要注意的一點是,如果dense=dense(input_layer)這裡報錯的話,說明你用的是tensorflow1.4以下的版本,解決的方法就是
1、升級tensorflow到1.4以上
2、改程式碼:
def Multimodel(cnn_weights_path=None,all_weights_path=None,class_num=5,cnn_no_vary=False): ''' 獲取densent121,xinception並聯的網路 此處的cnn_weights_path是個列表是densenet和xception的卷積部分的權值 ''' dir=os.getcwd() input_layer=Input(shape=(224,224,3)) dense=DenseNet121(include_top=False,weights=None,input_tensor=input_layer, input_shape=(224,224,3)) xception=Xception(include_top=False,weights=None,input_tensor=input_layer, input_shape=(224,224,3)) #res=ResNet50(include_top=False,weights=None,input_shape=(224,224,3)) if cnn_no_vary: for i,layer in enumerate(dense.layers): dense.layers[i].trainable=False for i,layer in enumerate(xception.layers): xception.layers[i].trainable=False #for i,layer in enumerate(res.layers): # res.layers[i].trainable=False if cnn_weights_path!=None: dense.load_weights(cnn_weights_path[0]) xception.load_weights(cnn_weights_path[1]) #print(dense.shape,xception.shape) #對dense_121和xception進行全域性最大池化 top1_model=GlobalMaxPooling2D(input_shape=(7,7,1024),data_format='channels_last')(dense.output) top2_model=GlobalMaxPooling2D(input_shape=(7,7,1024),data_format='channels_last')(xception.output) #top3_model=GlobalMaxPool2D(input_shape=res.output_shape)(res.outputs[0]) print(top1_model.shape,top2_model.shape) #把top1_model和top2_model連線起來 t=keras.layers.Concatenate(axis=1)([top1_model,top2_model]) #第一個全連線層 top_model=Dense(units=512,activation="relu")(t) top_model=Dropout(rate=0.5)(top_model) top_model=Dense(units=class_num,activation="softmax")(top_model) model=Model(inputs=input_layer,outputs=top_model) #載入全部的引數 if all_weights_path: model.load_weights(all_weights_path) return model
這個bug我也是在伺服器上跑的時候才出現的,找了半天,而實驗室的cuda和cudnn又改不了,tensorflow無法升級,因此只能改程式碼了。
如下所示,是最後畫出的模型圖:(很長,底下沒內容了)