如何在keras中递归扩展/解析/展平嵌套模型？

Posted 2021-04-08

假设我构建了一个这样的嵌套模型：

from keras.models import Sequential, Model
from keras.layers.core import Input, Dense

model_1 = Sequential()
model_1.add(Dense(...))
model_1.add(Dense(...))

input_2 = Input(...)
output_2 = Dense(...)(input_2)
model_2 = Model(inputs=input_2, outputs=output_2) 

model = Sequential()
model.add(model_1)
model.add(model_2)

如何将此递归转换为“平面”模型，不包含任何Model或Sequential图层。

由于model_1和model_2可能已经提前接受过培训，因此在转化过程中应该保留参数。

答案

我有一个类似的问题，我得到了一个有效的解决方案，但这似乎并不优雅。

基本思想是迭代子模型的各个层，并将它们逐个添加到整个模型，而不是添加整个子模型。

model = Sequential()

for layer1 in model1.layers:
    model.add(layer1)

for layer2 in model2.layers:
    model.add(layer2)

如果模型已经包含嵌套模型，则可以通过以下方式迭代它们：

model_flat = Sequential()

for layer_nested in model.get_layer('nested_model').layers:
    model_flat.add(layer_nested)