加载预训练CNN模型提取倒数第二层特征时遇ValueError求助

问题原因 #

加载预训练模型后，若模型从未处理过任何输入（即未被调用过），模型内部的输入张量关联关系未完成初始化，直接通过original_model.input构建新模型会触发输入未定义的错误。

解决方案 #

提供两种可行的修正方法：

方法一：喂入dummy输入触发模型初始化

生成一个符合模型输入形状的随机数据，让原模型执行一次预测，完成输入张量的初始化：

import numpy as np
from tensorflow.keras.models import load_model, Model

original_model = load_model('/kaggle/input/models/cifar10.h5')

# 生成CIFAR10格式的dummy输入（batch_size=1，尺寸32x32x3）
dummy_input = np.random.rand(1, 32, 32, 3)
original_model.predict(dummy_input)

# 构建特征提取模型
layer_before_softmax_output = original_model.layers[-2].output
layer_before_softmax_model = Model(inputs=original_model.input, outputs=layer_before_softmax_output)

方法二：手动定义输入张量构建新模型

直接指定输入形状，逐层传递张量来构建特征提取模型，无需依赖原模型的input属性：

from tensorflow.keras import Input
from tensorflow.keras.models import load_model, Model

original_model = load_model('/kaggle/input/models/cifar10.h5')

# 定义输入张量（匹配CIFAR10的32x32x3输入尺寸）
input_tensor = Input(shape=(32, 32, 3))
x = input_tensor

# 遍历原模型层，直到倒数第二层
for layer in original_model.layers[:-1]:
    x = layer(x)

# 构建特征提取模型
layer_before_softmax_model = Model(inputs=input_tensor, outputs=x)

验证方法 #

构建完成后，可通过输入一张预处理好的测试图片验证特征提取：

# 假设test_img是预处理后的CIFAR10格式图片（shape=(1,32,32,3)）
feature_vector = layer_before_softmax_model.predict(test_img)
print(f"特征向量形状：{feature_vector.shape}")

内容的提问来源于stack exchange，提问作者beginner