将模型中的Keras模型层变成多层答案

【问题标题】：Turning Keras Model layer within model into multiple layers将模型中的Keras模型层变成多层
【发布时间】：2019-08-09 20:55:37
【问题描述】：

我目前有一个使用包含 ResNet50 的功能性 API 的架构，但是在构建我的带有附加层的模型时，它将 ResNet 视为模型层，而不是一系列层。有没有什么方法可以把这个模型层变成一系列层，而不使用 Sequential API？我本质上想把模型中的这个模型变成一个模型。（不是简单地打印出层或任何东西）这是模型架构，显示带有 resnet50“层”的当前模型。

Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
main_input (InputLayer)         (None, 224, 224, 3)  0                                            
__________________________________________________________________________________________________
aux_input (InputLayer)          (None, 224, 224, 1)  0                                            
__________________________________________________________________________________________________
lambda_4 (Lambda)               (None, 224, 224, 3)  0           main_input[0][0]                 
                                                                 aux_input[0][0]                  
__________________________________________________________________________________________________
resnet50 (Model)                (None, 2)            23591810    lambda_4[0][0]                   
==================================================================================================

【问题讨论】：

您为什么要这样做？ Resnet 不仅仅是一系列层。
好问题。我一直在尝试使用中间层输出的损失函数，并且开始怀疑模型的“嵌套”风格可能是我遇到的问题的罪魁祸首。基本上，我尝试使用 mymodel.layers[-1].layers[-6].output 从模型中的 resnet 访问层，但失败了，我希望通过没有嵌套样式的模型层，例如 mymodel.layers[-6].output 它会运行。是的，resnet 的复杂性是我避免使用顺序方法的原因。

标签： python tensorflow keras

【解决方案1】：

与其说是真正的答案，不如说是一种解决方法，但在这种情况下，我的解决方案是使用功能 api 完全重新实现 resnet50 架构，并根据需要添加层。请参阅this 示例。通过使用这种方法，没有“模型”嵌套层。

【讨论】：

【解决方案2】：

你可以有点欺骗这个，是的。但是其他评论/答案并不是在开玩笑，它有很多值得一看的地方，尤其是因为它是线性打印出来的，而以这种方式可视化数据流并不容易。以下是一些可能对您有所帮助的细节。

您可以从 model.layers 中获取图层，其中将包括您添加到其中的任何内容。
您可以引用这些图层，例如layer_001 = model.layers[0]。
- 如果您想将它们保留在现有模型管道中，您可以在模型中更改它们的属性（例如添加正则化：model.layers[-7].bias_regularizer=l2(0.001)）
- 如果您像示例 layer_001 那样明确引用它们，则需要在拟合之前重建并重新编译新模型管道。

如果您能想出一种巧妙的循环方式来对所有层执行此操作，那可能没问题，但否则，以这种方式重新创建整个事物将需要大量工作。我同意其他 cmets/answers，并在 Papers with Code 的帮助下从头开始重新创建它。

如果您只想修改几层上的几个属性，我只需在模型中引用它们（如上）并重新编译。

【讨论】：

【解决方案3】：

您可以使用与此类似的函数：

def DeCapsule(model,LayerName):
    GotInnerModel = False
    for layer in model.layers[1:]:
        if not GotInnerModel:
            if layer.name ==LayerName:
                MiddleModel = layer
                Out = layer.layers[-1].output
                GotInnerModel = True
        else:
            Out = layer(Out)

    Out = Model(inputs=MiddleModel.layers[0].input, outputs=Out)        
    return Out

【讨论】：