Question

在常规代码中，我这样做，一切正常：

from keras.layers import Input, Dense
from keras.models import Model
import keras.backend as K
import numpy as np
import tensorflow as tf
from sklearn.datasets import make_blobs

X, y = make_blobs(500,50,2)

def make_network1():
    input_layer = Input((50,))
    layer1 = Dense(100,name='network1_dense1')(input_layer)
    output = Dense(50,name='network1_dense2')(layer1)
    model = Model(input_layer,output)

    return model

def make_network2():
    input_layer = Input((50,))
    layer1 = Dense(100,name='network2_dense1')(input_layer)
    output = Dense(1,name='network2_output')(layer1)
    model = Model(input_layer,output)

    return model

network1 = make_network1()
network2 = make_network2()
output = network2(network1.output)

model = Model(network1.input, output)

现在，我想通过用最后一行代码替换为

来测试Keras中的.get_layer方法和.output属性

model = Model(network1.input, network2.get_layer('network2_output').output)

然后它给我以下错误：

图形断开：无法获得张量值在“ input_4”层的Tensor（“ input_4：0”，shape =（?, 50），dtype = float32）。可以顺利访问以下先前的图层：[]

我的问题

但是，output和network2.get_layer('network2_output').output不应是同一个人吗？当我尝试将它们全部打印出来时，它说：

Tensor（“ model_14 / network2_output / BiasAdd：0”，shape =（?, 1），dtype = float32）

和

Tensor（“ network2_output_1 / BiasAdd：0”，shape =（?, 1），dtype = float32）

并且network2已经连接到network1的输出，我不知道为什么断开连接。如何使代码与.get_layer和.output方法配合使用？

我正在使用keras == 2.24和tensorflow-gpu == 1.5。

Answer 1

运行此行之后：

output = network2(network1.output)

network2模型有两个计算流程：一个是运行make_network2()时构造的原始流程，另一个是运行上述行时以network1.output作为输入的计算流程。因此，它将有两个对应于这两个计算流程的输出：

>>> network2.get_output_at(0)
<tf.Tensor 'network2_output_4/BiasAdd:0' shape=(?, 1) dtype=float32>

>>> network2.get_output_at(1)
<tf.Tensor 'model_14/network2_output/BiasAdd:0' shape=(?, 1) dtype=float32>

因此，当您想从network1.input转到network2模型的输出时，必须使用连接到network1.input的第二个输出：

model = Model(network1.input, network2.get_output_at(1))

本质上，network2.get_output_at(1)等同于在以下行中获得的output：output = network2(network1.output)。

Answer 2

不应该输出和network2.get_layer（'network2_output'）。output 同一件事？

不！他们不是一回事。让我解释一下这里发生的事情

network1 = make_network1()
network2 = make_network2()
output = network2(network1.output)

首先要创建两个模型，每个层有一个输入，然后用第一个模型的最后一层输出替换第二个模型的输入。这样，您将output变量的输入作为第一个模型的输入。因此network1.inputs和output已连接。但是在下一行，network1.input和network2.get_layer('network2_output').output

之间没有连接

model = Model(network1.input, network2.get_layer('network2_output').output)

尝试使用.get_layer方法在Keras中创建模型时，图形断开连接

我的问题

2 个答案: