如何在keras中垂直堆叠训练模型？

Question

我在keras中有两个经过训练的模型，我想将一个模型堆叠在另一个上面以形成一个单一的模型。我想这样做是为了将训练有素的模型合二为一。

我认为merge（Merge）用于水平堆叠模型，而我想垂直堆栈keras功能API模型。

PS：输出1的形状与输入2

相同

Answer 1

inputA = Input(input_shape_for_A)
outputA = modelA(inputA)
outputB = modelB(outputA)

modelC = Model(inputA, outputB)

Answer 2

与接受的答案类似，此方法无需重新定义输入层即可工作。

modelC=Model(
    inputs=modelA.inputs,
    outputs=modelB(modelA(modelA.inputs))
)

在我的用例中，我有一个带有多个输出的预处理器，而主模型有多个输入。模型 A 的输出层与模型 B 的输入层具有相同的名称，但它们的定义顺序可能不同。此函数对模型 A 的输出进行适当的重新排序并将它们传递给模型 B。

def stack_models(model1, model2):
    #get model output and input names
    model1_out_names=model1.output_names
    model2_in_names=model2.input_names
    
    #generate a sorted index that maps the order of model1 outputs to model2 inputs
    name_idx=[model1_out_names.index(name) for name in model2_in_names]
    
    model1_output=model1(model1.inputs)
    model2_input=[model1_output[idx] for idx in name_idx]
    model2_output=model2(model2_input)
    
    return tf.keras.Model(
        inputs=model1.inputs,
        outputs=model2_output
    )

Answer 3

上述方法可以正常工作。但是，当尝试使用modelC.summary()时，它将仅打印modelA和modelB名称。因为您正在创建其中具有模型的模型。表示模型C具有模型A和模型B，而不具有层。但是modelA和modelB具有图层，因此您可以访问modelA.summary()，modelB.summary()。您不需要在modelC中发生的事情。因为它只是将modelA和modelB放在一起，就像一个模型一样。 要获得modelC.summary()，您只需遵循以下步骤即可：

modelC = Sequential()

#since modelA input shape is also input shape for modelC
modelC.add(modelA.input)

# this adds all layers to modelC from modelA
for layer in modelA.layers:
    modelC.add(layer)

# since modelA output is input to modelB, you don't want any Input here, just add layers stacked to previous layers in modelC from modelB
for layer in modelB.layers:
    modelC.add(layer)

要检查整体模型C，请参见modelC.input，该参数必须与modelA.input和modelC.output，必须与modelB.output匹配。要检查整个模型，modelC.summary()，并验证模型A和模型B中的所有图层是否都在模型C中。如有任何疑问，请随时询问。上面的内容很有用，您不需要太多的工作，但是由于您要求输入图层名称和连接，因此我对您进行了答复。