如何在 keras 中垂直堆叠训练好的模型？答案

【问题标题】：How to vertically stack trained models in keras?如何在 keras 中垂直堆叠训练好的模型？
【发布时间】：2021-02-18 07:04:54
【问题描述】：

我在 keras 中有两个经过训练的模型，我想将一个堆叠在另一个之上以形成一个模型。我想这样做是为了将我训练的模型合二为一。

我认为 merge(Merge) 用于水平堆叠模型，而我想垂直堆叠 keras 功能 API 模型。

PS : 输出 1 的形状与输入 2 相同

【问题讨论】：

towardsdatascience.com/neural-networks-ensemble-33f33bea7df3

标签： python tensorflow keras

【解决方案1】：

inputA = Input(input_shape_for_A)
outputA = modelA(inputA)
outputB = modelB(outputA)

modelC = Model(inputA, outputB)

【讨论】：

我必须以任何方式连接模型吗？？
答案中的代码正是连接模型的方式。
您可以使用三种模型（A、B 和 C）中的任何一种，就像它们是松散的一样，但它们的重量是共享的。
谢谢，它有效。我可以再问你一个问题吗？如何打印 modelC 的整个模型摘要？我尝试了 modelC.summary() ，但是那个游戏我构成了 modelC 的模型的名称（如 modelA 和 modelB）。如何获取图层名称及其连接？？
用inputA = Input(shapeA)、inputB = Input(shapeB)....定义多个输入。

【解决方案2】：

上述方法效果很好。但是当尝试modelC.summary() 时，它只会打印模型A、模型B 的名称。因为您正在创建一个包含模型的模型。意味着模型C 有模型A 和模型B，而不是层。但是modelA和modelB有层，所以你可以访问modelA.summary()，modelB.summary()。你不需要modelC中发生的事情。因为它只是将模型A 和模型B 放在一起，就像一个模型一样。要获得modelC.summary()，您只需按照以下步骤操作：

modelC = Sequential()

#since modelA input shape is also input shape for modelC
modelC.add(modelA.input)

# this adds all layers to modelC from modelA
for layer in modelA.layers:
    modelC.add(layer)

# since modelA output is input to modelB, you don't want any Input here, just add layers stacked to previous layers in modelC from modelB
for layer in modelB.layers:
    modelC.add(layer)

要检查整体模型C，请参阅modelC.input，这必须匹配modelA.input 和modelC.output，这必须匹配modelB.output。要检查整个模型，modelC.summary()，并验证模型A 和模型B 中的所有层是否都在模型C 中。如果有任何疑问，请随时询问。以上内容很有用，您不需要这么多的工作，但是由于您要求提供层名称和连接，所以我回复了您。

【讨论】：

【解决方案3】：

与接受的答案类似，此方法无需重新定义输入层即可工作。

modelC=Model(
    inputs=modelA.inputs,
    outputs=modelB(modelA(modelA.inputs))
)

在我的用例中，我有一个带有多个输出的预处理器，而主模型有多个输入。模型A 的输出层与模型B 的输入层具有相同的名称，但它们的定义顺序可能不同。此函数对模型A 的输出进行适当的重新排序并将它们传递给模型B。

def stack_models(model1, model2):
    #get model output and input names
    model1_out_names=model1.output_names
    model2_in_names=model2.input_names
    
    #generate a sorted index that maps the order of model1 outputs to model2 inputs
    name_idx=[model1_out_names.index(name) for name in model2_in_names]
    
    model1_output=model1(model1.inputs)
    model2_input=[model1_output[idx] for idx in name_idx]
    model2_output=model2(model2_input)
    
    return tf.keras.Model(
        inputs=model1.inputs,
        outputs=model2_output
    )

【讨论】：