Keras预训练ResNet50提取跳连接出现计算图断开问题如何解决

报错原因 #

你遇到的Graph disconnected错误核心原因是：你定义的convlayer_Q张量没有作为输入传入ResNet50模型，两条计算路径完全没有关联，从ResNet50取的中间层输出和前面的输入层无法形成完整的计算图。

正确实现方法 #

你需要将预处理后的张量传入ResNet50模型打通计算路径，推荐通过层名而非硬编码层序号提取跳连接，避免不同Keras版本层序变化带来的问题，参考代码如下：

import tensorflow as tf
from tensorflow.keras.layers import Input, Conv2D
from tensorflow.keras.applications import ResNet50

input_shape = (480,854,4)
inputlayer_Q = Input(shape=input_shape, name="inputlayer_Q")
# 4通道输入转3通道适配ResNet50输入要求
convlayer_Q = Conv2D(filters=3, kernel_size=(3,3), padding='same')(inputlayer_Q)

# 加载预训练ResNet50
model_Q = ResNet50(
    include_top=False,
    weights='imagenet'
)
# 打通计算路径：将预处理后的张量传入ResNet50
resnet_output = model_Q(convlayer_Q)

# 按层名提取跳连接输出，ResNet50对应层名可打印model_Q.layers确认
res2_skip = model_Q.get_layer('conv2_block3_out').output
res3_skip = model_Q.get_layer('conv3_block4_out').output
res4_skip = model_Q.get_layer('conv4_block6_out').output

# 构建完整编码器模型，包含原始输入和所有需要的输出
encoder_Q = tf.keras.Model(
    inputs=inputlayer_Q,
    outputs=[res2_skip, res3_skip, res4_skip, resnet_output]
)

注意事项 #

• 孪生网络权值共享可以直接复用同一个encoder_Q实例处理另一路输入即可
• 如需冻结预训练权重，设置model_Q.trainable = False即可
• 若要修改内置模型结构，可通过上述提取中间层的方式重新组装自定义计算图，无需修改官方源码

内容的提问来源于stack exchange，提问作者Ahmed Hamdi