Tensorflow Keras 在自编码器中分别使用编码器和解码器

Posted 2023-02-16

【中文标题】Tensorflow Keras 在自编码器中分别使用编码器和解码器

【英文标题】：Tensorflow Keras use encoder and decoder separately in autoencoder

【发布时间】：2019-01-05 02:05:30

【问题描述】：

我在 tensorflow 中使用 Keras api，试图实现自动编码器。顺序模型有效，但我希望能够分别使用编码器（前两层）和解码器（后两层），但使用我已经训练过的模型的权重。有没有办法做到这一点？我必须制作自定义模型吗？

model = keras.Sequential()
model.add(encoder_1)
model.add(leaky_relu)
model.add(encoder_2)
model.add(leaky_relu2)
model.add(decoder_1)
model.add(leaky_relu3)
model.add(decoder_2)

encoder_model = keras.Sequential()
encoder_model.add(encoder_1)
encoder_model.add(leaky_relu)
encoder_model.add(encoder_2)
encoder_model.add(leaky_relu2)

decoder_model = keras.Sequential()
decoder_model.add(decoder_1)
model.add(leaky_relu3)
decoder_model.add(decoder_2)

我这样定义我的模型，但试图在编码器或解码器输出上运行预测

'Sequential' object has no attribute '_feed_input_names'

【参考方案1】：

是的，您应该将编码和解码层包装在单独调用的 Model 实例中。关于自动编码器的 Keras 博客端口应该包含您需要知道的所有内容：https://blog.keras.io/building-autoencoders-in-keras.html

【讨论】：

这似乎在 tensorflow 中不起作用，我用代码示例和错误编辑了我的原始帖子

您想使用函数式 api，如示例所示，而不是顺序式 api。

checkout this answer 了解如何独立定义和运行编码器和解码器