在不同时期训练不同的输出答案

【问题标题】：Training different outputs at different epochs在不同时期训练不同的输出
【发布时间】：2020-02-06 05:00:26
【问题描述】：

在 Keras 中，多输出训练中的每个或部分输出的训练是否可以从不同的时期开始？例如，其中一个输出将其他一些输出作为其输入。但是一开始的这些输出还为时过早，给模型带来了巨大的计算负担。我希望将其训练推迟到一段时间后的输出是一个自定义层，它必须对其输入应用一些图像处理操作，该输入是由另一个输出生成的图像，但一开始生成的图像毫无意义，我认为第一个时代应用这个自定义层只是浪费时间。有没有办法做到这一点？就像我们对每个输出的损失都有权重一样，我们是否有不同的起点来计算每个输出的损失？

【问题讨论】：

标签： python tensorflow keras epoch multipleoutputs

【解决方案1】：

构建一个不包含后续输出的模型。
将该模型训练到您想要的程度。
构建一个将旧模型合并到其中的新模型。
使用所需的新损失函数编译新模型。
训练该模型。

详细说明第 3 步：Keras 模型可以像 Keras 的功能 API 中的层一样使用。

你可以像这样构建一个正常的模型：

input = Input((100,))
x = Dense(50)(input)
x = Dense(1, activation='sigmoid')(x)
model = Model(input, x)

但是，如果您有另一个标准 Keras 模型，则可以像使用任何其他层一样使用它。例如，如果我们有一个名为model1 的模型（使用Sequential()、Model() 或keras.models.load_model() 创建），我们可以这样放入：

input = Input((100,))
x = model1(input)
x = Dense(1, activation='sigmoid')(x)
model = Model(input, x)

这相当于将model1 中的每一层单独放入。

【讨论】：

我想过使用没有最后输出的训练模型的权重，并在新模型中使用它们。你是这个意思吗？或者我加载该模型并将其连接到最后一层的输入？谢谢！
@Hamed 加载模型并将其连接到您想要的任何输出/输入。查看我的编辑。