使用 keras 将新输入输入到中间层时出现错误

Question

我想知道当新的输入是从已经学习的模型的中间层输入时如何获得输出。

def encoder(input_):
    d1 = Dense(3, activation='relu', name='encoder_input')(input_)
    d2 = Dense(2, name='encoder_output')(d1)
    return d2

def decoder(input_):
    d1 = Dense(3, activation='relu', name='decoder_input')(input_)
    d2 = Dense(2, name='decoder_output')(d1)
    return d2

# input
input = Input(shape=(2,))

# output
output = decoder(encoder(input))

# model
model = Model(inputs=input, outputs=output)

model.compile(optimizer='adam', loss='mean_squared_error')
model_hist = model.fit(x_train, x_test,
                        epochs=n_epoch,
                        batch_size=batch_size,
                        verbose=verbose,
                        shuffle=True)

#error:Graph disconnected: cannot obtain value for tensor 
tmp_model = Model(input=model.get_layer('decoder_input').input, output=model.get_layer('decoder_output').output)
output = tmp_model.predict(data)

Answer 1

我可以在你的代码中找到两个错误：

1. 在d2的编码器中你忘记了name=之前的'encoder_output'

2. 你忘记了行中的“s”

# model
model = Model(input=input, output=output)

应该是：

model = Model(inputs=input, outputs=output)

否则它对我有用。 希望对您有所帮助！