源模型和模型（源模型的输入，源模型的输出）之间有区别吗？

Question

我想在损失函数中使用中间层输出，所以我使用

dis_loss = Model(input=dis_model.get_input_at(0), output=dis_model.get_output_at(-1))
func_x = dis_loss(y_true)
func_x = dis_loss(y_pred) 

然后，我收到如下错误消息。

ValueError: Graph disconnected: cannot obtain value for tensor Tensor("input_layer_1:0", shape=(?, 224, 224, 3), dtype=float32) at layer "input_layer". The following previous layers were accessed without issue: []

我检查了dis_model.get_input_at(0)和dis_model.layer[0].input的名称，它们是相同的。 第一层的名称dis_model.summary()也相同。

但是，我尝试直接使用dis_loss = dis_model，然后模型成功编译。两种型号不同吗？输入和输出来自同一模型，它们不应该连接吗？

Answer 1

2个输入层将导致2个输出层，所以

dis_loss = Model(input=dis_model.get_input_at(0), output=dis_model.get_output_at(-1))

必须修改为

dis_loss = Model(input=dis_model.get_input_at(0), output=dis_model.get_output_at(0))

梳理2个模型时，

gen_x = gen_model.output
dis_z = dis_model(gen_x)
d_on_g = model(input=gen_x.input, output=[gen_x, dis_z])

它创建第二个输出，所以 dis_model.get_output_at(0)是dense_1/Tanh:0，它是dis_model的输出，因此它连接到dis_model的输入。

dis_model.get_output_at(1)是model_2/dense_1/Tanh:0，它是d_on_g的输出，因此它等同于d_on_g的输入，该输入等于gen_model的输入。