这篇文章主要讲解了keras如何实现densenet和Xception的模型融合，内容清晰明了，对此有兴趣的小伙伴可以学习一下，相信大家阅读完之后会有帮助。
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
此处的cnn_weights_path是个列表是densenet和xception的卷积部分的权值
'''
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)
#对dense_121和xception进行全局最大池化
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)
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
如下进行调用：
if __name__=="__main__":
weights_path=["./densenet121_weights_tf_dim_ordering_tf_kernels_notop.h6",
"xception_weights_tf_dim_ordering_tf_kernels_notop.h6"]
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
2、改代码：
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
此处的cnn_weights_path是个列表是densenet和xception的卷积部分的权值
'''
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)
#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])
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)
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)
看完上述内容，是不是对keras如何实现densenet和Xception的模型融合有进一步的了解，如果还想学习更多内容，欢迎关注天达云行业资讯频道。