Python keras同时培训2个模型

我有两个模型：模型1和模型2

我需要获取模型1的输出并手动操作myData，然后将其设置为模型2的输入

model2的输出是myData响应的分类（对model1输出操作），相对于预定义的分类（即监督）

我需要同时改进model1输出和model2分类。但是，在测试中，我将分别处理每个模型

在我看来，我需要使用模型2的成本函数作为模型1的成本函数-如何做到这一点

还有其他办法吗 我强调：串联并不能解决问题

---

请参考

好吧，一般草图如下：

# define model 1 architecture
...

# define model 2 architecture
...

# define manipulation logic
out1 = model1.output  # get the output of model1
out1 = SomeLayer()(out1)  # apply any number of layers as you wish
...

out_final = model2(out1) # feed the manipulated output to model2

# define the joint model
final_model = Model(model1.input, out_final)

# compile the model ...
final_model.compile(loss=..., optimizer=...) # loss is computed based on the output of model2

# fit the model
final_model.fit(...)

---

通过这种方式，

model1

和

model2

将同时接受培训，您也可以独立使用它们（例如，使用

model1.predict（）

或

model2.predict（）

）。

Sean的可能副本，在这种情况下，它们连接模型。在这里，我强调它们是独立的模型。请看一看图表。@Gandalf如果答案解决了您的问题，请单击答案旁边的复选标记将其标记为“已回答”以接受它-请参阅@Gandalf Long time，no see！你的错误是什么？编辑你的问题，并在文章末尾包含你得到的错误。