重用中间层作为 Keras 中另一个模型的输入

Question

我正在使用 Keras 构建一个 5 层自动编码器。我制作了从输入映射到输出的模型，这很好。我构建了另一个模型，该模型从输入映射到工作正常的潜在编码向量。但是，我随后尝试创建一个解码模型，将潜在编码向量映射到不起作用的输出。

我知道首先我应该为制作该形状的解码模型制作一个输入层，但我不知道如何将我的编码层数据作为解码模型的输入并让它从编码向量到最后一层。

from keras.layers import Input, Dense
from keras.models import Model
from keras.datasets import mnist
import numpy as np

(x_train, _), (x_test, _) = mnist.load_data()

# Prepare data and normalize
x_train = x_train.astype('float32') / 255.
x_test = x_test.astype('float32') / 255.
x_train = x_train.reshape(len(x_train), -1)
x_test = x_test.reshape(len(x_test), -1)

input_size = 784
hidden_size = 128
coded_size = 64

x = Input(shape=(input_size,))
hidden_1 = Dense(hidden_size, activation='relu')(x)
coded =Dense(coded_size, activation='relu')(hidden_1)
hidden_2 = Dense(hidden_size, activation='relu')(coded)
r = Dense(input_size, activation='sigmoid')(hidden_2)

autoencoder = Model(inputs=x, outputs=r)
encoder = Model(inputs=x, outputs=coded)

decoder_input = Input(shape=(coded_size,))  # should do this, but don't know how to connect it below
decoder = Model(inputs=coded, output=r)

Answer 1

你可以这样做：

decoder_input = Input(shape=(coded_size,))
next_input = decoder_input

# get the decoder layers and apply them consecutively
for layer in autoencoder.layers[-2:]:
    next_input = layer(next_input)

decoder = Model(inputs=decoder_input, outputs=next_input)

附带说明，您的模型中没有h。我觉得一定要换成coded。