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。