Keras：在Theano和TensorFlow之间转换预训练权重。

Question

我想使用这个预训练模型。然而，它使用的是theano布局，而我的代码依赖于tensorflow图像尺寸顺序。

有一个在不同格式之间转换权重的指南。但是这似乎有问题。在将theano转换为tensorflow的部分中，第一条指令是将权重加载到tensorflow模型中。

在此情况下，Keras后端应该是TensorFlow。 首先，将Theano训练的权重加载到您的TensorFlow模型中：

model.load_weights('my_weights_theano.h5')

这会引发异常，因为权重布局不兼容。 如果load_weights函数接收theano权重用于tensorflow模型，则不需要进行任何转换。

我查看了convert_kernel函数，以便确定是否可以自己执行必要的步骤。

代码非常简单 - 我不明白为什么指南要使用tensorflow session。那似乎是不必要的。

我从预训练模型中复制了代码，创建了一个带有tensorflow层的模型。这只意味着在添加任何卷积之前更改输入形状和backend.image_dim_ordering。然后我使用了这个循环： model是最初从我在开头链接的代码中创建的原始模型。 model_tensorflow是完全相同的模型，但具有tensorflow布局。

for i in range(len(model.layers)):
    layer_theano=model.layers[i]
    layer_tensorflow=model_tensorflow.layers[i]

    if layer_theano.__class__.__name__ in ['Convolution1D', 'Convolution2D', 'Convolution3D', 'AtrousConvolution2D']:
        weights_theano=layer_theano.get_weights()

        kernel=weights_theano[0]
        bias=weights_theano[1]

        converted_kernel=convert_kernel(kernel, "th")
        converted_kernel=converted_kernel.transpose((3,2,1,0))

        weights_tensorflow=[converted_kernel, bias]

        layer_tensorflow.set_weights(weights_tensorflow)

    else:
        layer_tensorflow.set_weights(layer_theano.get_weights())

在原始代码中，有一个测试用例：对一张猫的图像进行预测。我下载了一张猫的图片，并使用原始模型尝试了该测试用例：预测结果为285。转换后的模型预测结果为585。我不知道285是否是猫的正确标签，但即使不是，两个模型应该以相同的方式出现错误，我期望得到相同的预测结果。那么，在模型之间转换权重的正确方法是什么？

- lhk

---

有更新吗？你看过 https://github.com/titu1994/Keras-Classification-Models 吗？ - Martin Thoma

Answer 1

你说得对。代码出了问题。目前，这个问题有一个解决方法，解决方案在这里描述。

我已经亲自测试过，对我有效。

如果你觉得这个答案有用，请点赞。谢谢！

- user11530462