基于DenseNet201的Keras多头模型训练报错：输入名称不匹配求助

问题原因 #

DenseNet201在Keras中默认生成的输入层名称是类似input_5的自动命名，而你训练时传入的输入字典key是img_input，两者不匹配导致报错。AlexNet版本能运行是因为代码里手动指定了输入层名称为img_input，但DenseNet部分没做这个处理。

解决方案 #

修改DenseNet201的模型初始化代码，手动定义名为img_input的输入层，替换默认的输入层：

修改后的DenseNet模型代码片段 #

class base_model():
  def __init__(self, side_dim, n_bb, n_classes, name_model):
    self.side_dim = side_dim
    self.name_model = name_model

    # base model DenseNet
    if name_model == 'DenseNet201':
      # 手动创建命名为img_input的输入层
      self.image_input = keras.layers.Input(shape=(self.side_dim, self.side_dim, 3), name='img_input')
      # 将DenseNet201作为层，接收自定义的输入层
      self.base_model = keras.applications.DenseNet201(
                              include_top=False,
                              input_tensor=self.image_input,  # 使用自定义输入张量
                              )

      self.flatten = keras.layers.Flatten()(self.base_model.layers[-2].output)

      self.BatcNorm = keras.layers.BatchNormalization()(self.flatten)

      print('Base model: DenseNet201 (7.2M params x 201 layers')

    # 后续的三头输出部分保持不变...

原理说明 #

• 通过keras.layers.Input手动创建输入层并指定name='img_input'，让模型的输入名称和训练时传入的字典key一致。
• 使用input_tensor参数将DenseNet201的基础模型挂载到这个自定义输入层上，替代默认生成的输入层。

验证方法 #

修改后可以打印模型的输入名称确认：

print(myModel.input_names)  # 输出应该是['img_input']

这样再运行原来的训练代码，输入名称匹配就不会再报错了。

内容的提问来源于stack exchange，提问作者Saeed