我在Keras中有一个用于分类的模型，已经在某个数据集上进行了训练。我们称这个模型为“classification_model”。该模型被保存为“classification.h5”。用于检测的模型与此相同，只是我们删除了最后一个卷积层，并添加了三个大小为(3,3)的Conv2D层。因此，我们的检测模型“detection_model”应该如下所示：

detection_model = classification_model[: last_conv_index] + Conv2d + Conv2d + Conv2d.

我们如何在Keras中实现这个操作呢？

回答：

好吧，加载你的分类模型，并使用Keras函数式API来构建你的新模型：

model = load_model("classification.h5")last_conv_layer_output = model.layers[last_conv_index].outputconv = Conv2D(...)(last_conv_layer_output)conv = Conv2D(...)(conv)output = Conv2D(...)(conv)new_model = Model(model.inputs, output)# 编译新模型并保存它 ...