python - 在 KERAS 中加入/组合两种迁移学习模型

Question

我们如何在 KERAS 中的 Transfer Leaning 中加入/组合两个模型？

我有两个模型：模型 1 = 我的模型模型 2 = 训练模型

我可以通过将模型 2 作为输入来组合这些模型，然后将其输出传递给模型 1，这是常规方式。

但是，我正在以其他方式进行操作。我想将模型 1 作为输入，然后将其输出传递给模型 2（即训练模型一）。

Answer 1

这是完全相同的过程，只需确保您的模型的输出与其他模型的输入具有相同的形状。

from keras.models import Model

output = model2(model1.outputs)
joinedModel = Model(model1.inputs,output)

确保（如果这是您想要的），trainable=False在编译之前使模型 2 中的所有层都具有，因此训练不会改变已经训练的模型。

---

测试代码：

from keras.layers import *
from keras.models import Sequential, Model

#creating model 1 and model 2 -- the "previously existing models"
m1 = Sequential()
m2 = Sequential()
m1.add(Dense(20,input_shape=(50,)))
m1.add(Dense(30))
m2.add(Dense(5,input_shape=(30,)))
m2.add(Dense(11))

#creating model 3, joining the models 
out2 = m2(m1.outputs)
m3 = Model(m1.inputs,out2)

#checking out the results
m3.summary()

#layers in model 3
print("\nthe main model:")
for i in m3.layers:
    print(i.name)

#layers inside the last layer of model 3
print("\ninside the submodel:")
for i in m3.layers[-1].layers:
    print(i.name)

输出：

Layer (type)                 Output Shape              Param #   
=================================================================
dense_21_input (InputLayer)  (None, 50)                0         
_________________________________________________________________
dense_21 (Dense)             (None, 20)                1020      
_________________________________________________________________
dense_22 (Dense)             (None, 30)                630       
_________________________________________________________________
sequential_12 (Sequential)   (None, 11)                221       
=================================================================
Total params: 1,871
Trainable params: 1,871
Non-trainable params: 0
_________________________________________________________________

the main model:
dense_21_input
dense_21
dense_22
sequential_12

inside the submodel:
dense_23
dense_24

Answer 2

问题已解决。

我使用了该model.add()函数，然后添加了模型 1 和模型 2 所需的所有层。

以下代码将在模型 1 之后添加模型 2的前10 层。

for i in model2.layers[:10]: model.add(i)