连接Keras模型/替换输入但保留图层

Question

此问题与Keras replacing input layer类似。

我有一个分类器网络和一个自动编码器网络，我想使用自动编码器的输出（即编码+解码，作为预处理步骤）作为分类器的输入 - 但是在分类器已经在常规训练之后数据

分类网络是使用这样的功能API构建的（基于this example）：

clf_input = Input(shape=(28,28,1))
clf_layer = Conv2D(...)(clf_input)
clf_layer = MaxPooling2D(...)(clf_layer)
...
clf_output = Dense(num_classes, activation='softmax')(clf_layer)
model = Model(clf_input, clf_output)
model.compile(...)
model.fit(...)

像这样的自动编码器（基于this example）：

ae_input = Input(shape=(28,28,1))
x = Conv2D(...)(ae_input)
x = MaxPooling2D(...)(x)
...
encoded = MaxPooling2D(...)(x)
x = Conv2d(...)(encoded)
x = UpSampling2D(...)(x)
...
decoded = Conv2D(...)(x)
autoencoder = Model(ae_input, decoded)
autoencoder.compile(...)
autoencoder.fit(...)

我可以连接这样的两个模型（我仍然需要原始模型，因此复制）：

model_copy = keras.models.clone_model(model)
model_copy.set_weights(model.get_weights())
# remove original input layer
model_copy.layers.pop(0)
# set the new input
new_clf_output = model_copy(decoded)
# get the stacked model
stacked_model = Model(ae_input, new_clf_output)
stacked_model.compile(...)

当我想要做的就是将模型应用于新的测试数据时，这非常有效，但它会在这样的事情上出错：

for layer in stacked_model.layers:
    print layer.get_config()

它到达自动编码器的末尾，但随后在分类器模型获取其输入的点处出现KeyError失败。此外，在使用keras.utils.plot_model绘制模型时，我得到了这个：

在那里你可以看到自动编码器层，但最后，而不是分类器模型中的各个层，在一个块中只有完整的模型。

有没有办法连接两个模型，这样新的堆叠模型实际上是由所有单独的层组成的？

Answer 1

好的，我能想到的是真正手动浏览模型的每一层并再次将它们重新连接起来：

l = model.layers[1](decoded)  # layer 0 is the input layer, which we're replacing
for i in range(2, len(model.layers)):
    l = model.layers[i](l)
stacked_model = Model(ae_input, l)
stacked_model.compile(...)

虽然这样可以产生正确的情节并且没有错误，但这似乎不是最优雅的解决方案......

（顺便说一下，复制模型实际上似乎没必要，因为我没有重新训练任何东西。）