如何将 CNN 模型一分为二并合并？ [关闭]答案

【问题标题】：How to split a CNN model into two and merge them? [closed]如何将 CNN 模型一分为二并合并？ [关闭]
【发布时间】：2021-06-09 05:31:47
【问题描述】：

我想从一个 CNN 模型创建两个独立的 CNN 模型。让我将其命名为 CNN-A 和 CNN-B。

即原始 CNN 模型 = CNN-A 模型 + CNN-B 模型

在预测期间，原始输入数据集被馈送到 CNN-A。 CNN-A 的输出作为 CNN-B 的输入。原始模型的原始输出是CNN-B模型的输出。

为了实现上述架构，如果有的话，我想听听您的建议和想法吗？

【问题讨论】：

我认为Original CNN model = CNN-A model + CNN-B model 的表示令人困惑，因为 CNN-A 和 CNN-B 具有不同的输入/输出对。据我了解，这就是你想要的：CNN-A -> CNN-B，其中-> 表示CNN-A 的输出成为CNN-B 的输入，并且两个CNN 都有自己的输入/输出对。从训练的角度来看，这应该分为两个独立的任务。

【解决方案1】：

实现似乎是多余的。原因是每个 CNN 的输入应该是一个图像。假设第一个 CNN 网络的输出是一张图像，然后将其提供给第二个 CNN，这与堆叠多个卷积层和额外的 dropout 以及 一个 CNN 模型的类似内容相同。

所以毕竟实现一个深度 CNN 将模仿你想要的架构。

您还可以查看transfer learning，它能够利用预训练模型的层，您可以添加自己的最终层并进行调整。这也和你说的差不多。

================ 评论后=====================

您可以使用 mobilenet 之类的模型架构来将模型部署到您的移动设备上。

您还可以将迁移学习应用于现有的预训练移动网络模型，这将节省大量时间和资源。

最后，您可以使用 Flask 在服务器上部署模型（用于计算机）。然后创建一个 API，当您通过 POST 请求将相关数据发送到服务器时，该 API 将提供预测。这通常用于减少手机的负载，这是我更喜欢的方法。这种方法相对高效，易于扩展。

【讨论】：

感谢 cmets 和链接；我的目的是以分布式方式为低功耗设备部署 CNN 推理。即，在训练了一个 CNN 模型之后，我将预训练的模型分成两部分，A 和 B。然后，我将 A 部署在智能手机中运行，将 B 部署在服务器 PC 中以进行预测。这种设置是为了减少智能手机的计算工作量。请问有什么建议吗？