Keras 嵌套模型分别保存和加载权重或查看所有嵌套模型的摘要答案

【问题标题】：Keras Nested Models save and load weights separately or view Summary of all nested modelsKeras 嵌套模型分别保存和加载权重或查看所有嵌套模型的摘要
【发布时间】：2019-09-26 10:11:25
【问题描述】：

我正在尝试训练一个包含两个嵌套模型的 Keras 模型，并且我想分别保存两个内部模型的权重。现在我可以保存整个模型的权重，但我无法在大模型中加载嵌套模型的权重。

Big_model.summary 的输出如下所示

Model: "model_3"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
input_4 (InputLayer)         [(None, 128, 128, 1)]     0         
_________________________________________________________________
model (Model)                (None, 16, 16, 512)       170369024 
_________________________________________________________________
model_1 (Model)              (None, 128, 128, 1)       15342209  
=================================================================
Total params: 185,711,233
Trainable params: 185,711,233
Non-trainable params: 0

我怎么才能看到两个内部模型的摘要，例如Big_model.inner_Model1.summary() 类似的东西，或者在训练后使用Big_model.inner_Model1.save_weights() 和Big_model.inner_Model2.save_weights() 或callbacks 在model.fit 期间分别保存两个内部模型的权重.

我得到的是Big_model 没有像inner_Model1 那样的模块，有什么帮助吗？？

PS：训练什么的都没有问题，我可以运行训练，而且我使用的是Tensorflow版本tf.keras.models.Model进行模型。

这就是我创建模型的方式

inner_Model1 = tf.keras.models.Model()
inner_Model2 = tf.keras.models.Model()

x = tf.keras.layers.Input(shape=IMAGE_SHAPE)
Big_model = tf.keras.models.Model(x, inner_model2(inner_model1(x)))
Big_model.compile(optimizer=optimizer, loss='mean_absolute_error')

【问题讨论】：

标签： python tensorflow machine-learning keras

【解决方案1】：

在您发布的摘要中，model 是第 1 层，model_1 是第 2 层：

Big_model.layers[1].summary()   #this is inner_Model1.summary()
Big_model.layers[2].summary()   #this is inner_Model2.summary()

对他们做任何你想做的事。

如果您像以前那样创建模型，那么简单地做没有错：

inner_Model1.save_weights(...)
inner_Model2.save_weights(...)

如果您在大模型之外加载权重，它也可以正常工作，它会看到变化。

inner_Model1.load_weights(...)
inner_Model2.load_weights(...)

【讨论】：