Keras (R)：训练后移除层答案

【问题标题】：Keras (R): Remove layer after trainingKeras (R)：训练后移除层
【发布时间】：2019-11-01 18:23:23
【问题描述】：

假设我已经用 R 训练了我的 Keras 模型；比如说：

     model<-keras_model_sequential()

     model %>% layer_dense(units=5,activation = "relu",input_shape = c(4))%>% 

     layer_dense(units=Height,activation = "relu",input_shape = c(4)) %>%

     model %>% layer_dense(units=1)

一旦经过训练，是否可以删除最后一层，同时保持其他所有内容不变？

【问题讨论】：

标签： r tensorflow keras deep-learning

【解决方案1】：

如果先单独定义层，则可以使用相同的层创建新模型：

model <- keras_model_sequential()

firstLayer <- layer_dense(units=5,activation = "relu",input_shape = c(4))
secondLayer <- layer_dense(units=Height,activation = "relu",input_shape = c(4))

model %>% firstLayer %>% 
secondLayer %>%
layer_dense(units=1)

新模型：

model2 <- keras_model_sequential()
model2 %>% firstLayer %>%
secondLayer

【讨论】：

但是在训练了整个模型（两层）之后，我如何提取第一束（经过试验）？也许我错过了什么。
你不需要。 model2 包含“非常相同”（经过训练的）层
如果我使用 pop_layer 可以存储最后一层而不是只删除它吗？
我不认为流行音乐是一个非常值得信赖的东西。我更喜欢拥有更多模型，或者使用函数式 API 创建使用较小模型的模型，这样我就可以独立使用所有模型，但它们都共享和更新权重。
通过这种model 和model2 方法，两种模型同时存在，您可以使用其中任何一种。如果你训练一个，另一个会自动更新（因为实际上它们具有相同的层，而不是副本）。火车model。然后当你不想要最后一层时，开始使用model2（已经训练好了）。如果你还想要最后一层，回到model，它还在。