时间戳

首页 > 解决方案 > 使用内部层的输出来拟合 Keras 模型？

python - 使用内部层的输出来拟合 Keras 模型？

问题描述

我有一个模型 M，它有两个输入：x_train1、x_train2。在经过大量的转换之后，这些输入被连接到一个单独的数组 x1_x2 中。稍后将其插入自动编码器，其中输出应为 x1_x2。但是当我尝试拟合模型时，出现以下错误：

ValueError：将符号张量提供给模型时，我们希望张量具有静态批量大小。得到具有形状的张量：（无，2080）

我知道问题在于我如何指定预期的输出。我能够使用诸如 np.zeros((96, 2080)) 之类的虚拟数组运行代码，但不能通过设置内部层的输出来运行代码。

我执行以下操作来拟合模型：

autoencoder.fit([x_train1, x_train2], 
                autoencoder.layers[-7].output,
                epochs=50,
                batch_size=8,
                shuffle=True,
                validation_split=0.2)

我怎样才能让 Keras 理解预期的输出应该是具有形状（number_of_input_images，2080）的内部层的输出？

标签： pythonmachine-learningkerasautoencodertransfer-learning

解决方案

我会做以下事情：Model从 Keras 导入类并创建一个附加模型。

from tensorflow.python.keras.models import Model

# model = your existing model

new_model = Model(
  inputs = model.input,
  outputs = model.get_layer(name_of_desired_output_layer).output
)

就是这样，现在您可以使用新模型并对其进行训练。

推荐阅读