如何将训练有素的网络用作另一个网络keras中的分支？

Question

假设我的网络与此类似：

[ICNet_Keras] (https://github.com/aitorzip/Keras-ICNet/blob/master/model.py)

此 repo 中的训练程序错误！

它有三个分支。 分辨率 1/4 分支是一个预训练的网络，具有保存的权重。 分辨率 1/2 分支是 1/4 网络的一部分，并且与 1/4 共享权重（我不知道如何） 分辨率 1 分支是我的自定义。

train 过程是这样的：

1/4 接受过保存和重新加载的 Cityscapes（用于放松）的训练
1/4 分支的前几层用于馈送分辨率为 1/2 的图像
最后一个分支用于全分辨率图像。
这些分支与 CFF（Cascade Feature Fusion module）相关。

如何加载 1/4 的预训练权重并训练整个网络？
1/4 和 1/2 分支中的某些层之间的权重共享如何？

为简单起见，您可以假设

1/4 有 5 层分别训练并加载以进行微调
1/2 有 2 个第一层 1/4
1 有 2 个独立层
而 CFF 只是 upsample+concat

Answer 1

输入张量：

inputs = Input(size)

如果您自己训练模型，请确保使用可变图像大小（它是卷积的，对吗？）进行训练：输入形状 = (None, None, channels)。

如果没有，您将需要重建具有可变图像大小的模型。确保你不使用Flatten，它不支持可变图像大小。如果您想使用展平后的内容，它将不支持重量转移。

1/4

加载你保存的模型（不需要编译，你不是直接训练它）：

lowRes = load_model(filename, compile=False, custom_objects=if_needed)

通过它传递输入（也许先做一些重新缩放）

lowOut = lowRes(inputs)

1/2

从lowRes获取段：

midRes = Model(lowRes.input, lowRes.layers[1].output)

通过它传递输入（也许先做一些重新缩放）

midOut = midRes(inputs)

1/1

构建它是什么：

....
....
hiRes = Model(....)

通过它传递输入：

hiOut = hiRes(inputs)

---

旧答案

图层和模型可以根据需要多次使用。

共享层：

创建图层：

layer = Conv2D(....)

使用图层：

out1 = layer(input1)
out2 = layer(input2)
out3 = layer(input3)

这是同一层，所以，相同的权重。

共享模型：

Model是Layer，所以它的工作原理完全相同：

model = load_some_model()

branch1_out = model(input_branch1)    
branch2_out = model(input_branch2)

最终模型：

最后，只需创建一个定义输入张量和输出张量的模型：

final_model = Model(inputs = input_or_list_of_inputs, 
                    outputs= output_or_list_of_outputs)