Python 将keras模型输入馈送到输出层
因此,我正在构建一个keras序列模型,其中最后一个输出层是一个上采样2d层&我需要将输入图像馈送到该输出层,以执行一个简单的操作并返回输出,有什么想法吗 编辑:Python 将keras模型输入馈送到输出层,python,keras,Python,Keras,因此,我正在构建一个keras序列模型,其中最后一个输出层是一个上采样2d层&我需要将输入图像馈送到该输出层,以执行一个简单的操作并返回输出,有什么想法吗 编辑: 前面提到的模型是GAN模型的生成器,我需要将输入图像添加到生成器的输出,然后再将其馈送到鉴别器。您可以使用预训练模型的输入和预训练模型输出层之前最后一层的输出定义主干模型 2.基于该主干模型,定义的新模型具有与预训练模型相同的新跳过连接和输出层 3.使用:new_model.layers[-1]。设置_权重(pre_model.lay
前面提到的模型是GAN模型的生成器,我需要将输入图像添加到生成器的输出,然后再将其馈送到鉴别器。您可以使用预训练模型的输入和预训练模型输出层之前最后一层的输出定义主干模型 2.基于该主干模型,定义的新模型具有与预训练模型相同的新跳过连接和输出层 3.使用:
new_model.layers[-1]。设置_权重(pre_model.layers[-1]。获取_权重())
这里有一篇关于的好文章,为了将来参考,我使用lambda层解决了它,如下所示:
# z is the input I needed to use later on with the generator output to perform a certain function
generated_image = self.generator(z)
generated_image_modified=tf.keras.layers.Concatenate()([generated_image,z])
# with x[...,variable_you_need_range] you can access the input we just concatenated in your train loop
lambd = tf.keras.layers.Lambda(lambda x: your_function(x[...,2:5],x[...,:2]))(generated_image_modified)
full_model = self.discriminator(lambd)
self.combined = Model(z,outputs = full_model)
你想做什么样的简单操作?你想使用跳过连接吗?是的,它就像一个跳过连接,但是模型是经过预训练的,所以我宁愿避免重新创建架构,而只是替换最后一个上采样层(注意:这个模型将成为GAN架构上的生成器)