如何在Keras与Theano中实现2个相同分层的图层共享相同的权重

Question

我正在尝试在一定程度上实现共享相同权重的2个相同分支。您在此处看到的图形是我所拥有的简化模型。所以我有一个输入：一个负数和一个正数，所有来自conv1_1_x的层，直到Rpn，应该具有相同的权重。到目前为止我试图实现的是：

    def create_base_network(input_shape, branch, input_im, img_input, roi_input):
            def creat_conv_model(input_shape):
                branch = Sequential()
                branch.add(Conv2D(64,filter_size,subsample = strides, input_shape=input_shape  ,  activation='relu',kernel_initializer='glorot_uniform' ,name='conv1_1_'+str(branch)))
                branch.add(Conv2D(64,filter_size, subsample = strides,  activation='relu', kernel_initializer='glorot_uniform',name='conv1_2_1'+str(branch)))
                branch.add(MaxPooling2D(pool_size=(2,2), strides=pool_stride, name='pool1_'+str(branch)))
                branch.add(Conv2D(128,filter_size,subsample = strides, activation='relu', kernel_initializer='glorot_uniform',name='conv2_1_'+str(branch)))

                return branch
            shared_layers =  creat_conv_model(input_shape)
            rpn_output = rpn(shared_layers(input_im),9,branch)   
            model = Model([img_input, roi_input], rpn_output[:2])

            return model


Branch_left = create_base_network((64, 64, 3), 1, img_input_left, img_input, roi_input)
Branch_right = create_base_network((64, 64, 3), 2, img_input_right, img_input, roi_input)    

当我运行它时，我收到以下错误：

RuntimeError: Graph disconnected: cannot obtain value for tensor /input_2 at layer "input_2". The following previous layers were accessed without issue: []

有人可以帮忙吗？

Answer 1

要使模型共享权重，您只能创建一次。你不能创建两个模型。

shared_model = creat_conv_model((64, 64, 3), left)

如果rpn也是要共享的模型，则必须仅创建一次：

rpn_model = create_rpn(...)

然后传递输入：

img_neg_out = shared_model(img_input_left)
img_neg_out = rpn_model(img_neg_out)

img_pos_out = shared_model(img_input_right)
img_pos_out = rpn_model(img_pos_out)

关于创建模型branch_left和branch_right，这取决于您想要做什么以及如何训练。