我有一个使用TensorFlow 2.3训练的TensorFlow Keras模型。该模型的输入是图像，但由于模型在训练时使用了缩放的输入，因此我们必须在将图像输入模型之前将其缩放到255。

由于我们在各种平台上使用这个模型，我尝试通过修改模型来简化这一过程，即在Keras模型的开始处插入一个重缩放层（即紧跟在输入之后）。这样，未来使用这个模型时，用户只需传递图像，而无需进行缩放处理。

我在这方面遇到了很多困难。我明白我需要使用以下函数来创建一个重缩放层；

tf.keras.layers.experimental.preprocessing.Rescaling(255, 0.0, "rescaling")

但我不确定如何将它插入到模型的开始部分。

提前感谢您

回答：

您可以在已训练模型的顶部插入此层。下面是一个示例，首先我们手动缩放输入来训练一个模型，然后我们使用相同的已训练模型，但在顶部添加一个Rescaling层

from tensorflow.keras.layers.experimental.preprocessing import Rescaling# 生成虚拟数据input_dim = (28,28,3)n_sample = 10X = np.random.randint(0,255, (n_sample,)+input_dim)y = np.random.uniform(0,1, (n_sample,))# 创建基础模型inp = Input(input_dim)x = Conv2D(8, (3,3))(inp)x = Flatten()(x)out = Dense(1)(x)# 使用手动缩放拟合基础模型model = Model(inp, out)model.compile('adam', 'mse')model.fit(X/255, y, epochs=3)# 创建带有预训练权重和顶部重缩放的新模型inp = Input(input_dim)scaled_input = Rescaling(1/255, 0.0, "rescaling")(inp)out = model(scaled_input)scaled_model = Model(inp, out)# 比较手动缩放与层缩放的预测结果pred = model.predict(X/255)pred_scaled = scaled_model.predict(X)(pred.round(5) == pred_scaled.round(5)).all() # True