Я пытаюсь разработать сиамскую сеть для простой проверки лица (и распознавания на втором этапе). У меня есть сеть, которую мне удалось обучить, но я немного озадачен тем, как сохранить и восстановить модель + делать прогнозы с помощью обученной модели. Надеясь, что, возможно, опытный человек в этой области поможет добиться прогресса.
Вот как я создаю свою сиамскую сеть, для начала...
model = ResNet50(weights='imagenet') # get the original ResNet50 model
model.layers.pop() # Remove the last layer
for layer in model.layers:
layer.trainable = False # do not train any of original layers
x = model.get_layer('flatten_1').output
model_out = Dense(128, activation='relu', name='model_out')(x)
model_out = Lambda(lambda x: K.l2_normalize(x,axis=-1))(model_out)
new_model = Model(inputs=model.input, outputs=model_out)
# At this point, a new layer (with 128 units) added and normalization applied.
# Now create siamese network on top of this
anchor_in = Input(shape=(224, 224, 3))
positive_in = Input(shape=(224, 224, 3))
negative_in = Input(shape=(224, 224, 3))
anchor_out = new_model(anchor_in)
positive_out = new_model(positive_in)
negative_out = new_model(negative_in)
merged_vector = concatenate([anchor_out, positive_out, negative_out], axis=-1)
# Define the trainable model
siamese_model = Model(inputs=[anchor_in, positive_in, negative_in],
outputs=merged_vector)
siamese_model.compile(optimizer=Adam(lr=.0001),
loss=triplet_loss,
metrics=[dist_between_anchor_positive,
dist_between_anchor_negative])
А я тренирую сиамскую_модель. Когда я его тренирую, если я правильно интерпретирую результаты, это на самом деле не тренирует базовую модель, а просто тренирует новую сиамскую сеть (по сути, тренируется только последний слой).
Но эта модель имеет 3 входных потока. После обучения мне нужно сохранить эту модель таким образом, чтобы она принимала только 1 или 2 входа, чтобы я мог выполнять прогнозы, вычисляя расстояние между двумя заданными изображениями. Как мне сохранить эту модель и использовать ее повторно сейчас?
Заранее спасибо!
ДОПОЛНЕНИЕ:
Если вам интересно, вот краткое описание сиамской модели.
siamese_model.summary()
__________________________________________________________________________________________________
Layer (type) Output Shape Param # Connected to
==================================================================================================
input_2 (InputLayer) (None, 224, 224, 3) 0
__________________________________________________________________________________________________
input_3 (InputLayer) (None, 224, 224, 3) 0
__________________________________________________________________________________________________
input_4 (InputLayer) (None, 224, 224, 3) 0
__________________________________________________________________________________________________
model_1 (Model) (None, 128) 23849984 input_2[0][0]
input_3[0][0]
input_4[0][0]
__________________________________________________________________________________________________
concatenate_1 (Concatenate) (None, 384) 0 model_1[1][0]
model_1[2][0]
model_1[3][0]
==================================================================================================
Total params: 23,849,984
Trainable params: 262,272
Non-trainable params: 23,587,712
__________________________________________________________________________________________________