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()
代码语言：javascript复制# 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。
