如何在Keras中创建虚拟模型？

Question

我正在使用keras，并尝试在64x64图像上训练分类器。

我正在尝试优化培训渠道并抓住瓶颈。

为此，我正在尝试创建更简单的Keras模型，以使我知道整个过程（加载图像，数据增强...）花费的时间非常少。

到目前为止，我设法写了：

def create_network_dummy():
  INPUT_SHAPE = (64, 64, 1)
  inputs = Input(INPUT_SHAPE)
  out = MaxPooling2D(pool_size = (1,1), strides=(64,64), 1)(inputs)
  model = Model(inputs=[inputs], outputs=[out])
  return model

有没有可能更小的？返回常量不会这样做，因为它会破坏图形，而keras将不允许这样做。

Answer 1

import keras.backend as K

inp = Input((64,64,1))
out = Lambda(lambda x: K.identity(x))(inp)
model = Model(inp,out) #You could even try Model(inp,inp)

??

如果要创建一个不执行任何操作的模型，这似乎是最好的。
您也可以返回一个常数，您真的不需要“训练”即可看到您的建议，只需“预测”即可。

model.predict_generator(....)

---

另一个模型可以输出1类

inp = Input((64,64,1))
out = Lambda(lambda x: x[:,0,0])(inp)
model = Model(inp,out)

Answer 2

我认为甚至不需要使用K.identity：

inp = Input((64, 64, 1))
out = Lambda(lambda x: x)(inp)
model = Model(inp, out)