Windows下用R的Keras调用预训练XCeption卷积基报错求助

先看你给出的代码片段，确实有几个容易踩的小坑，我帮你捋一捋：

• 语法错误：预训练卷积基的添加方式不对
  在Keras的R API里，把预训练模型（比如你这里的conv_base1）加入Sequential模型时，不能直接用%>% conv_base1，得用add()函数来包裹它。直接这么写会触发语法报错，因为管道操作期望的是一个层函数，而不是已经实例化的模型对象。

修正后的这部分代码应该是：

model51 <- keras_model_sequential() %>%
  add(conv_base1) %>%  # 用add()把预训练卷积基加入序列模型
  layer_flatten() %>%
  layer_dense(units = 256, activation = "relu") %>%
  # 这里要补上你的输出层，比如二分类就加下面这句，多分类改units和激活函数
  layer_dense(units = 1, activation = "sigmoid")

• 迁移学习的常见遗漏：冻结预训练层
  如果你是做迁移学习（只想用Xception学到的特征，不想从头训练整个卷积基），那你需要在把卷积基加入模型前，先冻结它的权重，不然训练的时候会更新所有预训练的参数，不仅慢还容易过拟合。添加冻结的代码很简单：

# 在定义model51之前执行
freeze_weights(conv_base1)

如果之后想微调卷积基的顶层，可以再用unfreeze_weights()来解冻部分层，比如只解冻最后几个卷积块。

• 代码不完整：缺少输出层
  你的代码最后是l...，显然没写完。不管是分类还是其他任务，都需要一个最终的输出层来匹配你的任务目标：比如二分类任务用layer_dense(units=1, activation="sigmoid")，多分类任务用layer_dense(units=你的类别数, activation="softmax")。

另外提个小细节：Xception的默认输入尺寸是299x299，你用300x300其实也没问题，Keras会自动处理，但如果之后遇到输入尺寸相关的报错，可以考虑改成299x299试试。

内容的提问来源于stack exchange，提问作者Björn