如何向keras中的中间层提供输入

我想使用预先训练vgg-19后弹出最后一层，然后添加2个FC（密集）层。我想给其中一个FC层输入一个二进制变量（男性或女性）。如何实现它。

您需要的是一个两输入一输出的网络，其中每个输入都有自己的特征提取，并且在预测最终输出之前将两个特征融合

下面是一个例子

导入keras
从keras.applications.vgg19导入vgg19
从keras.layers导入输入、密集、连接
从keras.models导入模型
#-------------------------------------------------------------------------------
#定义您的新输入
#在这里，我假设您的新任务是一个超过100个类的分类任务
#-------------------------------------------------------------------------------
性别输入=输入（形状=（1），名称='性别输入'）
image\u input=input（shape=（224224,3），name='image\u input'）
num_classes=100
#-------------------------------------------------------------------------------
#定义预训练的特征提取
#你可以做一些不同于下面的事情
#但这里的重点是要有一个“featex”的预训练模型`
#所以你可以用不同的定义
#-------------------------------------------------------------------------------
预训练=VGG19（）
featex=Model（pretrained.input，pretrained.layers[-2]。output，name='vgg\u pop\u last'）
在加速训练中考虑将所有权值冻结在ExtEX中
image\u feat=featex（image\u输入）
#-------------------------------------------------------------------------------
#从这里，您可以使用不同的网络体系结构
#下面只是一个例子
#-------------------------------------------------------------------------------
image\u feat=Dense（128，activation='relu'，name='image\u fc'）（image\u feat）
性别专长=密集（16，激活='relu'，名称='gender\u fc'）（性别输入）
#从两种信息中混合信息
#注：串联只是混合信息的一种可行方法
concat_feat=连接（axis=-1，name='concat_fc'）（[image_feat，gender_feat]）
#执行最终预测
目标=密集（num_类，activation='softmax'，name='pred_类'）（concat_专长）
#-------------------------------------------------------------------------------
#这是您的新模型，它包含两个输入和一个新目标
#-------------------------------------------------------------------------------
模型=模型（输入=[image\u input，gender\u input]，输出=目标，name='myModel'）
打印model.summary（）

如果您想从第5层重新使用旧模型的层作为新模型输出，您需要像这样重建模型，关键是定义一个输入，并将其传递到第5层。可能是这样的：

FC=…#您的FC层
旧模型=模型。加载模型（模型目录）
旧的_model.layers.pop（-1）#去掉分类层
对于范围（4）中的i:#去掉前4层
old_model.layers.pop（0）#迭代时关心pop索引
输入=输入（形状=（输入尺寸）
新模型=模型（输入=输入，输出=FC（旧模型（输入）））