如何获得NN的结果，修改结果，然后将其传递给另一个NN？

Question

我是神经网络的初学者，打算使用Tensorflow估计器，请耐心等待。

是否可以从训练有素的神经网络获取输出，对其进行修改，然后将结果传递给另一个模型？

我希望从第一个NN获得一个数字作为输出（如果可以通过TensorFlow进行输出），对该数字进行一些计算，然后将其传递给第二个NN。

为此，我需要使用两个单独的估算器吗？我可以将这两个NN放在同一模型中，同时确保第一个NN的输出为数字吗？

对于这些问题中的任何一个是常识，我感到抱歉，但是我肯定对他们有些困惑。

Answer 1

为了方便使用tf.estimator

tf.estimators缺少适当的文档，这使得仅使用estimators才能解决这个相当棘手的问题。您必须定义一个自定义估算器，但是正如我提到的那样，到今天为止，还没有有关如何实现此目标的端到端指南。
我的建议是通过tf.keras API定义模型，然后通过tf.keras.estimator.model_to_estimator将编译后的模型转换为估算器（有关更多信息，请检查this link）

要加入两个模型

Keras Lambda Layer允许将自定义操作定义为模型层。 您可以通过tf.keras.Sequential定义两个模型，然后将其与自定义lambda层“连接”。

（可选）不稳定的替代方法：子类化API

您可以使用Keras Subclassing API通过自定义正向传递定义自己的模型类，其中包括您的操作。但是，Subclassing API存在一些序列化问题。来自Tensorflow Docs：
A subclassed model differs in that it's not a data structure, it's a piece of code. The architecture of the model is defined via the body of the call method. This means that the architecture of the model cannot be safely serialized.

因此，我不确定是否可以安全地将其转换为tf.estimator。