查看keras各种网络结构各层的名字方式

举例

base_model = resnet50(weights=‘imagenet', include_top=true）
print(base_model.summary())

得到这个结果

补充知识：使用keras，在load_model()时，出现nameerror: name '***' is not defined

是因为在构造模型是，使用了自定义的层，如lambda()

# 文本相似度评估方式
def exponent_neg_manhattan_distance(sent_left, sent_middle, sent_right):
  '''基于曼哈顿空间距离计算两个字符串语义空间表示相似度计算'''
  return ((k.exp(-k.sum(k.abs(sent_left - sent_middle), axis=1, keepdims=true)) - k.exp(-k.sum(k.abs(sent_left - sent_right), axis=1, keepdims=true))) + 1) / 2
 
def bilstm_siamese_model():
  '''搭建孪生网络'''
  #可以在这里调参
  embedding_layer = embedding(vocab_size + 1,
                embedding_dim,
                weights=[embedding_matrix],
                input_length=max_length,
                trainable=true, #原本为false
                mask_zero=true)
  #输入层
  left_input = input(shape=(max_length,), dtype='float32', name="left_x") #(?, 25)
  middle_input = input(shape=(max_length,), dtype='float32', name="middle_x") #(?, 25)
  right_input = input(shape=(max_length,), dtype='float32', name='right_x')
  #嵌入层
  encoded_left = embedding_layer(left_input) #(?, 25, 300)
  encoded_middle = embedding_layer(middle_input) #(?, 25, 300)
  encoded_right = embedding_layer(right_input)
  # print(encoded_left)
  #孪生网络
  shared_lstm = create_base_network(input_shape=(max_length, embedding_dim))
  left_output = shared_lstm(encoded_left)
  middle_output = shared_lstm(encoded_middle)
  right_output = shared_lstm(encoded_right)
 
  # 文本相似度评估方式
  distance = lambda(lambda x: exponent_neg_manhattan_distance(x[0], x[1], x[2]),output_shape=lambda x: (x[0][0], 1))([left_output, middle_output, right_output]) #第二个lambda函数的输入参数不清楚，x[0][0]
  print('distance',distance)
  model = model([left_input, middle_input, right_input], distance)
  model.compile(loss='binary_crossentropy',
         optimizer='nadam',
         metrics=['accuracy'])
  model.summary()
  return model

虽然之前已经定义好了exponent_neg_manhattan_distance()，但是在load_model()依然会报nameerror: name 'exponent_neg_manhattan_distance' is not defined

解决办法：

在load_model的时候，加一个custom_objects参数就可以了，即

model = load_model(model_path,custom_objects={'exponent_neg_manhattan_distance': exponent_neg_manhattan_distance}) #对自定义层一定要说明

注：用google搜bug比用baidu搜质量会高不少。

以上这篇查看keras各种网络结构各层的名字方式就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持。