２つのモデルを接続する（keras2.0_Sequential編）

VGG16をFine-tuningする際に初めて作られる方も多いと思いますが
出力層の書き方が2種類あったりして分かりづらかったので
対で書きてみました

※functionalで出力層を書いたのはこちらから

参考のスクリプトは
VGG16をFine-tuningして5クラス分類するモデルを想定しています

動作概略

1)出力層なしのVGG16のモデルを読込
2)新しい出力層を作成
3)上記2個のモデルを接続

動作確認環境

python3.6.6
Tensorflow:1.10.0
Keras：2.2.2

参考スクリプト

#import
from keras.models import Model, Sequential
from keras.layers import Activation, Dense, Flatten
from keras.applications.vgg16 import VGG16

#1)出力層なしのVGG16を読込
vgg16_model = VGG16(weights='imagenet',include_top=False, input_tensor=Input(shape=(224,224,3)))

#2)追加する出力層を作成
fc_model = Sequential()
fc_model.add(Flatten(input_shape=vgg16_model.output_shape[1:]))
fc_model.add(Dense(1024,activation='relu'))
fc_model.add(Dense(5,activation='softmax'))

#3) VGG16と出力層を接続
model = Model(inputs=vgg16_model.input, outputs=fc_model(vgg16_model.output))

# モデル表示
model.summary()

★解説

import

from keras.models import Model, Sequential
from keras.layers import Activation, Dense, Flatten
from keras.applications.vgg16 import VGG16

1)出力層なしのVGG16を読込

本題ではないので詳細は省略
引数の詳細は公式を確認してください
モデル名は「VGG16_model」（任意設定）とします

vgg16_model = VGG16(weights='imagenet',include_top=False, input_tensor=Input(shape=(224,224,3)))

2)追加する出力層を作成

「fc_model」（任意設定）という空のモデルを作成

fc_model = Sequential()

全結合層に入れるために平準化（）します
下記の例では接続する「VGG16_model」の出口のshapeを取得するようにしています

自分で指示もできますが、接続元（vgg16_model）のshapeと違っていると
モデルを接続することができませんので、接続元からshapeを取得するほうがオススメです

fc_model.add(Flatten(input_shape=vgg16_model.output_shape[1:]))

1024次元の全結合レイヤーを作成（活性化関数は'Relu'）

fc_model.add(Dense(1024,activation='relu'))

5クラス分類の全結合レイヤーを作成

fc_model.add(Dense(5,activation='softmax'))

3) VGG16と出力層を接続

kerasの1.0と2.0で書式が違うようで、書き方によっては警告が出ます
とりあえずこれは出ないので問題はなさそうです・・・

model = Model(inputs=vgg16_model.input, outputs=fc_model(vgg16_model.output))