Question

是否可以将元节点放入模型并对其进行训练，而该模型未连接到输出？这样我以后可以通过model.layers访问该层吗？

我成功地将两个模型与keras功能API结合在一起。因此，我使用一个预先训练的模型作为特征提取器，并使用示例层x和y作为第二个模型的特征和输入。

我无法正常工作的内容如下：另外，我不是将z层用作模型2中的提取信息，我想使Tensor在模型中可用。

我可以将其作为模型2的附加输入，并将相同的张量定义为输出。这产生了几个问题：

我必须为每个输出定义一个损失函数。损失权重可以设置为0。
我需要为.fit（）或.fitGenerator（）的每个输出提供Trainingdata。我不想破解任何代码只是为了提供空的培训数据或其他内容。

def combine_models():

   ## Model one will be usually be loaded with load_model()
   in1 = Input()
   x = Conv2D()(in1 )
   y = Conv2D()(x)
   z = Conv2d()(y)
   model1 = Model(inputs=in1, outputs=z)  
   ##model 2 uses part of own and model1 input
   in2 = Input()
   inX = Input() # with shape of x
   inY = Input() # with shape o y
   inZ = Input() # I know i have to declare z as Input for being available in model 2
   conc = Concatenate()([in2,inX,inY])#just for example
   conv= Conv2D()(conc)
   model2 = Model(inputs=in2, outputs=conv)

具有无损失或渐变的元输出节点的Keras模型

0 个答案: