如何連接兩個模型

我有模型A（自動編碼器），它將一批圖像A_in（原始圖像）作爲輸入，並輸出一批圖像A_out（重建圖像）。然後我有模型B（二進制分類器），它將一批圖像B_in作爲輸入，它是A_in和A_out的混合。如何連接兩個模型

我想讓B區分A_in和A_out，看看A是否做得很好，重建圖像。 B_out是給定圖像是A_in的概率。

B列車與A並列以對兩種圖像進行分類。 B_loss =（B_out - 標籤）。標籤爲0或1（原始或重建）。當我們優化B_loss時，我們只更新B參數。

我想訓練模型A，以便優化組合丟失函數：Combined_Loss =重建錯誤（A_out - A_in） - 分類錯誤（B_out - 標籤），以便它嘗試重建圖像並在同時。在這裏我只想更新A參數（我們不想在這裏幫助B）。

現在，我的問題是關於構造A_in和A_out的混合物，並將其饋送給B，以使圖A和B連接起來。

現在是這樣的：

A_out = autoencoder(A_in: orig_images) 
B_out = classifier(B_in: numpy(mix(A_in, A_out))

如何定義它是這樣的：

A_out = autoencoder(A_in: orig_images) 
B_out = classifier(mix(A_out, A_in))

所以，當我訓練A和B在同一時間：

sess.run([autoencoder_train_op, classifier_train_op], feed_dict= 
      {A_in: orig_images, B_in: classifier_images, labels: classifier_labels})

我不需要B_in佔位符（圖形將被連接）？

這裏是我的NumPy的代碼，構造classifier_images（混合（A_IN，A_OUT））：

reconstr_images = sess.run(A_out, feed_dict={A_in: orig_images}) 

half_and_half_images = np.concatenate((reconstr_images[:batch_size/2], orig_images[batch_size/2:])) 

half_and_half_labels = np.zeros(labels.shape) 
half_and_half_labels[batch_size/2:] = 1 

random_indices = np.random.permutation(batch_size) 

classifier_images = half_and_half_images[random_indices] 
classifier_labels = half_and_half_labels[random_indices]

如何轉換成TensorFlow節點？

來源

2017-10-11 MichaelSB

是否有任何特定的問題，您正在轉換此代碼爲tf？這似乎是非常簡單的代碼，應該可以使用'tf.concat'，'tf.zeros'，'tf.random_shuffle'等來實現。另外，我不確定爲什麼你需要洗牌。據推測，不同的圖像在同一時間進給只是爲了配料和獨立處理。如果是這樣，你不應該洗牌，除非你批量大，你想洗牌更好的優化軌跡。 – iga

關於洗牌的好處 - 這不是必要的。然而，這並沒有改變主要問題：如何將分類器（B_in：numpy（mix（A_in，A_out））轉換爲分類器（mix（A_out，A_in）），以便這兩個圖形連接起來？ – MichaelSB

我明白了。。這個問題，我會嘗試用一個答案回答它 – iga

您可以直接連接您的模型。換句話說，您不使用佔位符來輸入B的輸入，而是使用A_in和A_out的混合。如果您只是想運行B，您仍然可以將輸入饋送到來自A的張量中。僅喂送佔位符很常見，但TensorFlow支持將值輸入任何張量。如果它更容易思考，則可以通過tf.identity傳遞A的輸出，以便您擁有像佔位符之類的東西。

另一種方法是通常在GAN中完成的工作（發生器輸出饋入鑑別器）。您可以創建兩個共享變量的「操作塔」。一個塔樓將只是B，你可以將你的輸入輸入到B的佔位符中，只運行B.另一個塔樓可以在A的頂部，B可以用來運行/訓練A和B.這兩座塔樓中的B將具有相同的結構和共享變量，但具有單獨的操作。這種方法可能是最乾淨和最靈活的。

來源

2017-10-31 19:09:45 iga

「而是用你的A_IN和A_OUT的混合物」這正是想什麼，我知道：？該怎麼做我想知道如果我能做到這一點像這樣： 'A_OUT =自動編碼器（A_IN：orig_images）混合= tf.concat（A_OUT，A_IN） B_OUT =分類（混合）' – MichaelSB

我可能會丟失一些東西，但爲什麼你認爲它可能是一個問題？只要它在邏輯上是正確的並且形狀匹配....你期望什麼問題？ – iga

我不知道「分類器」期望什麼樣的參數，所以很難說出任何內容。它期望'feed_dict'中使用的具體值，它不會「連接」模型。如果它期望張量並將它們用作其操作的輸入，它將「連接」模型。 – iga

如何連接兩個模型

回答

相關問題