Tensorflow 深度神经网络和CNN的端到端联合训练

我想将一组比特输入一个神经网络，这个神经网络将把它们嵌入它将生成的彩色图像中（我们称之为神经网络：embeddingNN）

-然后，我们将得到的彩色图像交给CNN（我们称之为识别器），以便恢复原始消息（比特集）

• 我们希望对这些NNs进行端到端的联合培训

我假设我们需要定义一个“联合”损失函数。但是，我们如何处理这样一个事实：embeddedNN的输出需要识别器NN的输入？这意味着我们将在与第二个网络不同的会话中运行第一个网络，而我们有一个联合函数，引用两个模型

---

我们如何在TF上执行此操作

您是否为embedingNN添加标签/黄金数据？您试图实现什么目标？听起来像是你试图在图像中嵌入一条秘密信息，然后检索它。还有，我相信你有一个潜台词，那就是图像不能被完全破坏，而只是简单地用比特替换，但是图像需要保持这样的品质，使它在人类看来仍然是原来的样子。@wontonimo。是的，这非常接近要求。在我们不关心ab保持外观的情况下，我考虑了更多，因为，&我认为我需要将2个NNs定义为TF中的1个模型，然后在运行其会话时传递两个参数（Y1，L），其中Y是嵌入NN的输出，L是联合损失函数。当按这个顺序给TF时，它将首先计算Y，这是随后计算L所需的（我最初认为这两个神经网络必须作为TF中的两个独立模型来实现）。听起来合理吗？@wontonimo。至于图像需要保持相同的外观，即使嵌入了消息，我想我会将其作为一个额外的术语添加到联合反向传播中？我与一位过去的同事就类似的问题进行了长时间的讨论，他只是决定使用图像的最低阶位，而不是NN。我喜欢tensorflow和制作NNs，但也许直接操作是最简单（也是最有效）的方法。