列車多輸出keras模型

Question

的選擇分支我有一個多輸出Keras模型類似於此的結構：

s = some_shared_layers()(input) 
non_trainable1 = Dense(trainable=False) (s) 
non_trainable2 = Dense(trainable=False) (s) 
trainable = Dense() (s) 

model = Model(input, outputs=[non_trainable1, non_trainable2, trainable]) 

我的模型首先計算一個直傳並使用該第一2個輸出以操縱輸入。然後計算另一個正向傳球以獲得第三個輸出。

out1, out2,_ =model.predict(input_data) 
processed_data = foo(input_data, out1, out2) 
_,_, out3 = model.predict(processed_data) 

我應該如何調用model.fit()訓練只有trainable層？如果我排除其他產出的損失，凱拉斯警告we will not be expecting any data to be passed to "non_trainable1" during training並將其從計算圖中排除。

有沒有更好的方法來構建這個任務的模型？

Answer 1

如果我正確理解它，你根本不需要這些層，事實上，你應該有兩個模型，一個用於預測，另一個用於訓練。

非可訓練：

model1 = Model(input, [non_trainable1, non_trainable2]) 
#model 1 doesn't need to be compiled, since you won't train it  

可訓練：

model2 = Model(input, trainable) 
model2.compile(loss=onlyTheLossForTrainable)  

使用它們：

out1, out2 =model1.predict(input_data) 
processed_data = foo(input_data, out1, out2) 

model2.fit(processed_data, expected_outputs, ....)