如何在keras生成器中使用NN？

我正在安装一个fit_发电机，由keras培训DNN。但我不知道如何在这个发生器里使用CNN

基本上，我有一个预先训练过的图像生成器，使用完全连接的卷积网络，我们可以将其命名为GEN-NET。现在我想在我的fit_生成器中使用这个完整的CNN来生成无限数量的图像，以便在keras中训练另一个名为CLASS-NET的分类器。但它总是使我的训练失败，错误信息是：

ValueError:Tensor Tensordecoder/transform_output/mul:0，shape=？，128，128，1，dtype=float32不是此图的元素

这个解码器/transform_output/mul:0是我的CNN GEN-NET的输出

---

所以我的问题是，我可以在我的fit_生成器中使用基于CNN的GEN-NET来训练玻璃网，还是keras中不允许使用玻璃网？

看起来你可能有点搞混了！CNN卷积神经网络需要根据您的数据进行训练，除非您使用预训练网络进行预测。如果你要训练CNN，你可以使用fit或fit_生成器功能。如果您直接输入数据，请使用fit；如果您的数据由处理，请使用fit_generator。如果加载预先训练的模型/权重只是为了进行预测，则不需要使用任何拟合函数，因为不需要进行任何训练。

Keras并不喜欢在一次训练中运行两个单独的模型。您可以在使用模型后使用K.clear_会话，但这会产生大量开销

IMHO，最好的方法是预先生成这些图像，然后使用生成器加载它们。基本上把你的程序分成两个独立的程序

---

否则，如果您使用tensorflow作为后端，可能有一种方法可以通过切换tf.Session上的默认图形来实现，您可以在谷歌上搜索它，但我不推荐它！：

你能更好地解释问题和设置吗？我不确定我是否理解你的意思：我已经培训了一个图像生成器。图像生成器是一个完全连接的CNN，由编码器-解码器组成，可以生成图像。在我的项目中，我使用这个图像生成器将一些输入图像转换为另一种类型的图像。我想用这些转换后的图像来训练另一个基于DNN的分类器。实际上我有两个网络。一个是一个预先训练好的基于CNN的生成器，它可以生成不同种类的图像。另一个是基于CNN的分类器，它将被训练。所以我想做的是在fit_generator中使用这个基于CNN的生成器来生成图像，并使用这些图像来训练我的第二个基于CNN的分类器。啊。看起来你可以训练第一个CNN，冻结它，然后将它的输出连接到下一个网络的输入，然后安装发电机，也许？如下所示：第二个模型\u x=第一个模型。层[-1]作为第二个模型的输入层，然后第二个模型=模型输入=第一个模型。层[0]。输入、输出=第二个模型\u x或类似。谢谢。我为图像生成器创建了一个新的图形会话，它可以正常工作。