使用内部层的输出来拟合Keras模型？

Question

我有一个模型M，它有两个输入：x_train1，x_train2。经过大量转换后，这些输入被串联到一个单个数组x1_x2中。稍后将其插入自动编码器，其输出应为x1_x2。但是当我尝试拟合模型时，出现以下错误：

ValueError：将符号张量馈送到模型时，我们期望张量具有静态批大小。得到张量的形状：（无，2080年）

我知道问题在于我如何指定期望的输出。我能够使用虚拟数组（例如np.zeros（（96，2080）））运行代码，但无法通过设置内部层的输出来运行代码。

我执行以下操作以适合模型：

autoencoder.fit([x_train1, x_train2], 
                autoencoder.layers[-7].output,
                epochs=50,
                batch_size=8,
                shuffle=True,
                validation_split=0.2)

如何使Keras理解预期的输出应该是形状为（number_of_input_images，2080）的内部层的输出？

Answer 1

我将执行以下操作：从Keras导入Model类并创建其他模型。

from tensorflow.python.keras.models import Model

# model = your existing model

new_model = Model(
  inputs = model.input,
  outputs = model.get_layer(name_of_desired_output_layer).output
)

就是这样，现在您可以使用新模型并进行训练了。