加载ResNet50预训练权重时出现形状不匹配错误，求排查方案

代码片段 #

第一部分：权重下载代码 #

import requests
url = 'https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5'
response = requests.get(url)
with open('resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5', 'wb') as f:
    f.write(response.content)

第二部分：模型定义代码 #

def create_model(input_shape, n_out):
    input_tensor = Input(shape=input_shape)
    base_model = applications.ResNet50(weights='imagenet', 
                                       include_top=False,
                                       input_tensor=input_tensor)
    base_model.load_weights('resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5')

    x = GlobalAveragePooling2D()(base_model.output)
    x = Dropout(0.5)(x)
    x = Dense(2048, activation='relu')(x)
    x = Dropout(0.5)(x)
    final_output = Dense(n_out, activation='softmax', name='final_output')(x)
    model = Model(input_tensor, final_output)
    
    return model

第三部分：模型编译代码 #

model = create_model(input_shape=(HEIGHT, WIDTH, CANAL), n_out=N_CLASSES)

for layer in model.layers:
    layer.trainable = False

for i in range(-5, 0):
    model.layers[i].trainable = True

metric_list = ["accuracy"]
optimizer = optimizers.Adam(lr=WARMUP_LEARNING_RATE)
model.compile(optimizer=optimizer, loss="categorical_crossentropy",  metrics=metric_list)
model.summary()

报错信息 #

ValueError: Cannot assign value to variable ' conv3_block1_0_conv/kernel:0': Shape mismatch.The variable shape (1, 1, 256, 512), and the assigned value shape (512, 128, 1, 1) are incompatible.

尝试将weights='None'改为weights='imagenet'后，错误依然存在，请问原因是什么？

解答 #

问题出在两个核心点：

• 重复加载权重引发冲突：初始化ResNet50时设了weights='imagenet'，这会自动下载并加载适配当前环境的ImageNet权重；之后你又手动调用load_weights()加载本地文件，两次加载的权重维度顺序不匹配，导致张量形状冲突。
• 权重文件与环境维度配置不兼容：你下载的权重文件名带tf_dim_ordering，是TensorFlow风格的channels_last维度顺序（即输入形状为(高, 宽, 通道数)），但如果你的Keras/TensorFlow环境默认是channels_first（通道在前，(通道数, 高, 宽)），或者输入张量的维度顺序和权重文件不匹配，就会出现形状不兼容的报错。

具体修复方法： #

1. 删掉重复的权重加载代码：直接移除base_model.load_weights('resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5')这一行，weights='imagenet'已经会自动加载正确的预训练权重，不需要手动重复加载。
2. 确认输入维度顺序：保证你的input_shape是(HEIGHT, WIDTH, CANAL)这种channels_last格式，和权重文件的维度要求匹配。
3. 强制统一维度配置：如果不确定环境默认配置，可以在代码开头添加以下代码强制使用channels_last：

   from keras import backend as K
   K.set_image_data_format('channels_last')
   

内容的提问来源于stack exchange，提问作者Nur Laici