Tensorflow 使用if-else组合两个网络

我有两个网络

ModelUp

和

modelown

，它们采用相同的输入

x1，x2

，其中

x1

是10个特征，

x2

是每个样本的单个数字。我想要一个

combinedModel

网络，它可以：

if x2>=1:
    return ModelUp([x1,x2])
else:
    return ModelDown([x1,x2])

一旦对

ModelUp

和

modelown

进行了单独培训，则不需要对

combinedModel

进行培训

---

如何在

tensorflow.keras

（tensorflow版本为

1.12.0

）中进行此组合？

以下代码将是一个选项。您需要检查它是否适用于您的用例

from tensorflow.keras.layers import Input
from tensorflow.keras.models import Model
import tensorflow.keras.backend as K

def combineModels(ModelUp, ModelDown):
    input1 = Input(shape=(10,))
    input2 = Input(shape=(1,))
    # 
    selectModel1 = K.cast(K.greater_equal(input2, 1), dtype='float32')
    selectModel2 = K.cast(K.less(input2, 1), dtype='float32')
    # 
    out   = ModelUp([input1,input2]) * selectModel1 + ModelDown([input1,input2]) * selectModel2
    model = Model(inputs=[input1,input2], outputs=out)
    return model

combinedModel = combineModels(ModelUp, ModelDown)

对于Tensorflow 1：

from tensorflow.keras.layers import Input, Lambda, Multiply, Add
from tensorflow.keras.models import Model
import tensorflow.keras.backend as K

def combineModels(ModelUp, ModelDown):
    input1       = Input(shape=(10,))
    input2       = Input(shape=(1,))
    # 
    selectModel1 = Lambda(lambda x: K.greater_equal(x, K.constant(1.)))    (input2)
    selectModel2 = Lambda(lambda x: K.less(x, K.constant(1.)))(input2)
    # 
    selectModel1 = Lambda(lambda x: K.cast(x, dtype='float32'))(selectModel1)
    selectModel2 = Lambda(lambda x: K.cast(x, dtype='float32'))(selectModel2)
    # 
    out1 = Multiply()([ModelUp([input1,input2]), selectModel1])
    out2 = Multiply()([ModelDown([input1,input2]), selectModel2])
    out  = Add()([out1, out2])
    model = Model(inputs=[input1,input2], outputs=out)
    return model

combinedModel = combineModels(ModelUp, ModelDown)

---

嗨，Max，我不得不将其更改为

Input（shape=（10，），）

，但我仍然得到错误：

ValueError：模型的输出张量必须是TensorFlow`Layer`的输出（因此保存过去的层元数据）。在创建Model.Hi的最后一步中找到：Tensor（“add:0”，shape=（？，1），dtype=float32）

。好的，很抱歉，这可能是与Tensorflow 1相关的问题（我没有您的确切版本，因此无法复制。您可以尝试使用我上面添加的第二个解决方案，它在整个过程中使用层。通常，我建议切换到Tensorflow 2。嘿，感谢

Lambda

层，它不会在TF1上崩溃（由于遗留原因，我一直在使用它）。一旦我确认它正在执行我希望它执行的操作，我会将其标记为已解决。