使用keras实现densenet和Xception的模型融合

使用使用keras实现实现densenet和和Xception的模型融合的模型融合

主要介绍了使用keras实现densenet和Xception的模型融合，具有很好的参考价值，希望对大家有所帮助。一起跟随小编过来看看吧

我正在参加天池上的一个竞赛，刚开始用的是DenseNet121但是效果没有达到预期，因此开始尝试使用模型融合，将Desenet和Xception融合起来共

同提取特征。

代码如下：

def Multimodel(cnn_weights_path=None,all_weights_path=None,class_num=5,cnn_no_vary=False):

'''

获取densent121,xinception并联的网络

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])

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连接起来

t=keras.layers.Concatenate(axis=1)([top1_model,top2_model])

#第一个全连接层

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)

return model

如下进行调用：

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")

最后生成的模型图如下：有点长，可以不看

需要注意的一点是，如果dense=dense(input_layer)这里报错的话，说明你用的是tensorflow1.4以下的版本，解决的方法就是

1、升级tensorflow到1.4以上

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:

if cnn_weights_path!=None:

dense.load_weights(cnn_weights_path[0])

xception.load_weights(cnn_weights_path[1])

#print(dense.shape,xception.shape)

#对dense_121和xception进行全局最大池化

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])

top_model=Dense(units=class_num,activation="softmax")(top_model)

model=Model(inputs=input_layer,outputs=top_model)

#加载全部的参数

if all_weights_path:

model.load_weights(all_weights_path)

return model

这个bug我也是在服务器上跑的时候才出现的，找了半天，而实验室的cuda和cudnn又改不了，tensorflow无法升级，因此只能改代码了。

如下所示，是最后画出的模型图：(很长，底下没内容了)