在TF估计器中使用Keras模型

在TF估计器中使用Keras模型

我不知道有任何可用的方法可以让您从预先训练的keras模型创建 自定义

model_fn

。一种更简单的方法是使用

tf.keras.estimator.model_to_estimator()

model = tf.keras.applications.ResNet50(    input_shape=(224, 224, 3),    include_top=False,    pooling='avg',    weights='imagenet')logits =  tf.keras.layers.Dense(10, 'softmax')(model.layers[-1].output)model = tf.keras.models.Model(model.inputs, logits)model.compile('adam', 'categorical_crossentropy', ['accuracy'])# Convert Keras Model to tf.Estimatorestimator = tf.keras.estimator.model_to_estimator(keras_model=model)estimator.train(input_fn=....)

但是，如果您想创建自定义model_fn来添加更多 *** 作（例如，摘要 *** 作），则可以编写如下：

import tensorflow as tf_INIT_WEIGHT = Truedef model_fn(features, labels, mode, params):  global _INIT_WEIGHT  # This is important, it allows keras model to update weights  tf.keras.backend.set_learning_phase(mode == tf.estimator.ModeKeys.TRAIN)  model = tf.keras.applications.MobileNet(      input_tensor=features,      include_top=False,      pooling='avg',      weights='imagenet' if _INIT_WEIGHT else None)  # only init weights on first run  if _INIT_WEIGHT:    _INIT_WEIGHT = False  feature_map = model(features)  logits = tf.keras.layers.Dense(units=params['num_classes'])(feature_map)  # loss  loss = tf.losses.softmax_cross_entropy(labels=labels, logits=logits)  ...