Keras共享层批量更新：样本如何混合

Question

我正在通过功能 API 和 model.train_on_batch 选项使用 keras 共享层，即

dense_layer = Dense(10, name='dense_1')
out1 = dense_layer(input1)
out2 = dense_layer(input2)
model = Model(input=[input1,input2],output=[out1,out2])
...
model.train_on_batch([x1,x2],[y1,y2])

问题是：如果我执行 model.train_on_batch()，样本 (x1,y1),(x2,y2) 是如何混合的？

它们是简单地沿第一个轴连接还是随机混合？

Answer 1

答案是，两者都不是。使用您发布的代码，根据the doc：

• x1 将作为第一个输入传递 - dense_layer.get_input_shape_at(0) 并导致第一个输出 dense_layer.get_output_at(0)
• x2 将作为第二个输入传递 - dense_layer.get_input_shape_at(1) 并导致第二个输出 dense_layer.get_output_at(1)

实际上，据我所知，这个模型相当于训练 x1 和 x2 连接的 dense_layer，以及单个输入/输出（没有 input2 和 output2）

您可以使用Merge layer 将两个输出简化为一个。有不同的合并模式，concat 就是其中之一。