Keras的“ plot_model”显示了错误的嵌套模型图（自动编码器）

Question

当我创建具有多个输入和输出的自动编码器体系结构时，plot_model图不会按预期显示（问题以红色突出显示）。

我认为发生第一个问题是因为我对自动编码器使用了encoder.inputs。但是，为自动编码器创建新的输入层会导致我出错（图形断开）。

问题可能在我这儿，而不是Keras中的错误，所以希望有更多经验的人可以指导我正确的方向。

ps。我不能只使用一个自动编码器模型，这样可以避免此问题，因为在GAN设置中还使用了相同的编码器和解码器模型。 （该实现目前仅适用于单个输入和切片，但我真的想切换到多个输入，因为它感觉更干净）

下面的代码和体系结构图像：

from tensorflow.keras.layers import *
from tensorflow.keras.models import Model
from tensorflow.keras.utils import plot_model

# Config encoder
state_inputs = Input(shape=7, name="encoder_state_inputs")
action_inputs = Input(shape=4, name="encoder_action_inputs")
encoder_layer = Dense(11, activation=LeakyReLU(alpha=0.2), name=f"encoder_layer")
classification_layer = Dense(4, activation="softmax", name=f"classification")
latent_layer = Dense(5, activation=LeakyReLU(alpha=0.2), name="latent_space")

# Build encoder
x = concatenate([state_inputs, action_inputs])
x = encoder_layer(x)
classifier = classification_layer(x)
latent = latent_layer(x)
encoder = Model([state_inputs, action_inputs], [classifier, latent], name="encoder")
plot_model(encoder, "encoder.png")


# Config decoder
classifier_inputs = Input(shape=4, name="classifier_inputs")
latent_inputs = Input(shape=5, name="latent_inputs")
decoder_layer = Dense(11, activation=LeakyReLU(alpha=0.2), name=f"decoder_layer")
state_reconstruction_layer = Dense(7, activation="softmax", name=f"state_reconstruction")
action_reconstruction_layer = Dense(4, activation="softmax", name=f"action_reconstruction")

# Build decoder
x = concatenate([classifier_inputs, latent_inputs])
x = decoder_layer(x)
state_reconstruction = state_reconstruction_layer(x)
action_reconstruction = action_reconstruction_layer(x)
decoder = Model([classifier_inputs, latent_inputs], [state_reconstruction, action_reconstruction], name="decoder")
plot_model(decoder, "decoder.png")

# Build autoencoder
encoded = encoder(encoder.inputs)
decoded = decoder(encoded)
autoencoder = Model(encoder.inputs, outputs=[classifier, decoded], name="autoencoder")

plot_model(autoencoder, "autoencoder.png", show_shapes=True, expand_nested=True)

Answer 1

我可以通过在自动编码器中添加两个输入层来防止出现第一个问题。

第二个问题（多个输出仅连接到一个输入）似乎是一个已知的错误：https://github.com/tensorflow/tensorflow/issues/42101