Question

我现在正在Keras训练一个自动编码器，下面是网络结构。

input_img = Input(shape=(target_size[0], target_size[1], 3))
x = Conv2D(8, (3, 3), activation = 'relu', padding = 'same')(input_img)
x = MaxPooling2D((2, 2), padding = 'same')(x)
x = Conv2D(16, (3, 3), activation = 'relu', padding = 'same')(x)
x = MaxPooling2D((2, 2), padding = 'same')(x)
x = Conv2D(32, (3, 3), activation = 'relu', padding = 'same')(x)
encoded = MaxPooling2D((2, 2), padding = 'same')(x)

x = Conv2D(32, (3, 3), padding = 'same')(encoded)
x = UpSampling2D((2, 2))(x)
x = Conv2D(16, (3, 3), activation = 'relu', padding = 'same')(x)
x = UpSampling2D((2, 2))(x)
x = Conv2D(8, (3, 3), activation = 'relu', padding = 'same')(x)
x = UpSampling2D((2, 2))(x)
decoded = Conv2D(3, (3, 3), activation = 'sigmoid', padding = 'same')(x)

我无法想办法：

在定义“encoded”的位置和后面的Conv2D层之间插入一个输入层 - 意图是获取两个不同图像的编码，在它们的编码之间创建一堆迭代“步骤”，然后将这些编码输入到这个网络的“解码器”一半为每一步生成一个图像。我想把输出“变形”的gif从一个图像变成另一个图像。
我想尝试在输入层之后插入另一个Conv2D（...）和MaxPooling2D（...）对，并在末尾插入相应的UpSampling2D（...）和Conv2D（...）。我从NVidia's "Progressive Growing of GANs for Improved Quality, Stability, and Variation"论文中得到了这个想法，他们训练他们的GAN以低分辨率生成非常好的图像，然后在网络的开头和结尾逐步添加更多层，并用新层训练整个网络。 / LI>
这有意义吗？如果我能澄清任何内容，请告诉我，我觉得这是非常具体的问题，很难一次性解释文本。

谢谢！

如何在先前定义的图层之前插入Keras图层？

0 个答案: