前言：

最近想跑一些主流的网络感受感受。从github上找到了 deep-learning-models 提供的几个模型，包括：inception-v2, inception-v3, resnet50, vgg16, vgg19 等等。这些代码都是基于 keras 框架，正好我最近有在学 tensorflow 和 keras，所以很想跑跑这些代码。

心动不如行动，万事俱备，只欠把代码跑起来。此时，出现了一些常见的问题，也正好借此机会整理下来。问题如下：

1）_obtain_input_shape() got an unexpected keyword argument 'include_top'

2）Exception: URL fetch failure on https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels.h5: None -- [Errno 110] Connection timed out

本文主要分析和整理了第一个问题的解决方案。

第二个问题就是：在下载模型参数文件的过程中，可能url对应的地址被墙了，导致下载不了。解决办法就是另想办法把 resnet50_weights_tf_dim_ordering_tf_kernels.h5 这个文件下载下来。如果有需要的话，可在本文留言。

Reference：

1）github 源码：https://github.com/fchollet/deep-learning-models

2）模型参数资源：https://github.com/fchollet/deep-learning-models/releases

3）相关博客：http://blog.csdn.net/sinat_26917383/article/details/72982230

4）本文使用的测试数据如下所示：

elephant.jpg

本文使用的 tensorflow 和 keras 的版本：

- tensorflow：

>>> import tensorflow as tf
>>> tf.__version__
'1.1.0'

- keras：

import keras
>>> print keras.__version__
2.0.9

本文实践步骤如下，以 "resnet50.py" 为例：

1）下载 github 源码，源码中使用一张名为“elephant.jpg”的图像作为测试。

2）下载测试数据集，上文有提供链接。

3）在源码的目录下执行如下命令：

python resnet50.py

程序报错，如下所示：

Traceback (most recent call last):
  File "resnet50.py", line 289, in <module>
    model = ResNet50(include_top=True, weights='imagenet')
  File "resnet50.py", line 193, in ResNet50
    include_top=include_top)
TypeError: _obtain_input_shape() got an unexpected keyword argument 'include_top'

导致程序报错的原因分析：

1）keras.__version__ == 2.0.9 中，函数 _obtain_input_shape() 的形式：

def _obtain_input_shape(input_shape,
                        default_size,
                        min_size,
                        data_format,
                        require_flatten,
                        weights=None):

2）deep-learning-models 案例中，调用 _obtain_input_shape() 函数的方式如下：

# Determine proper input shape
input_shape = _obtain_input_shape(input_shape,
                                  default_size=299,
                                  min_size=71,
                                  data_format=K.image_data_format(),
                                  include_top=include_top)

显然，本文使用的环境中，函数 _obtain_input_shape() 的形参中，没有关键字 include_top 而是 require_flatten。而案例中的代码使用的是关键字 include_top，这显然是不可取的。综上，只要把案例中的 inlcude_top 关键字换成 require_flatten 即可。如下所示：

# Determine proper input shape
input_shape = _obtain_input_shape(input_shape,
                                  default_size=224,
                                  min_size=197,
                                  data_format=K.image_data_format(),
                                  require_flatten=include_top)

再次执行命令，就可以成功运行案例代码，如下图所示：

本文的第二个问题：无法正常下载模型参数

模型参数“resnet50_weights_tf_dim_ordering_tf_kernels.h5”下载地址如下：

链接：http://pan.baidu.com/s/1dE1Lh5J 密码：puke

需修改的代码如下：

# WEIGHTS_PATH = 'https://github.com/fchollet/deep-learning-models/releases/download/v0.2/resnet50_weights_tf_dim_ordering_tf_kernels.h5'

# load weights
if weights == 'imagenet':
    # if include_top:
    #     weights_path = get_file('resnet50_weights_tf_dim_ordering_tf_kernels.h5',
    #                             WEIGHTS_PATH,
    #                             cache_subdir='models',
    #                             md5_hash='a7b3fe01876f51b976af0dea6bc144eb')
    # else:
    #     weights_path = get_file('resnet50_weights_tf_dim_ordering_tf_kernels_notop.h5',
    #                             WEIGHTS_PATH_NO_TOP,
    #                             cache_subdir='models',
    #                             md5_hash='a268eb855778b3df3c7506639542a6af')
    weights_path = './resnet50_weights_tf_dim_ordering_tf_kernels.h5'
    model.load_weights(weights_path)

运行结果如下所示：

Predicted: [[(u'n01871265', u'tusker', 0.65325415), (u'n02504458', u'African_elephant', 0.29492217), (u'n02504013', u'Indian_elephant', 0.048155606), (u'n02422106', u'hartebeest', 0.001847562), (u'n02397096', u'warthog', 0.00034257883)]]

由结果可知：p(tusker) = 0.65, p(African_elephant) = 0.29, p(Indian_elephant) = 0.048 ... ... 其中 tusker 的概率是最高的，所以识别结果为 tusker（有长牙的动物，如：象，野猪等）