在 TensorFlow Functional API 中保存和加载具有相同图形的多个模型

Posted 2023-02-16

【中文标题】在 TensorFlow Functional API 中保存和加载具有相同图形的多个模型

【英文标题】：Saving and loading multiple models with the same graph in TensorFlow Functional API

【发布时间】：2020-01-08 18:14:20

【问题描述】：

在 TensorFlow 功能 API 指南中，有一个示例显示了使用同一层图创建多个模型的情况。 (https://www.tensorflow.org/beta/guide/keras/functional#using_the_same_graph_of_layers_to_define_multiple_models)

encoder_input = keras.Input(shape=(28, 28, 1), name='img')
x = layers.Conv2D(16, 3, activation='relu')(encoder_input)
x = layers.Conv2D(32, 3, activation='relu')(x)
x = layers.MaxPooling2D(3)(x)
x = layers.Conv2D(32, 3, activation='relu')(x)
x = layers.Conv2D(16, 3, activation='relu')(x)
encoder_output = layers.GlobalMaxPooling2D()(x)

encoder = keras.Model(encoder_input, encoder_output, name='encoder')
encoder.summary()

x = layers.Reshape((4, 4, 1))(encoder_output)
x = layers.Conv2DTranspose(16, 3, activation='relu')(x)
x = layers.Conv2DTranspose(32, 3, activation='relu')(x)
x = layers.UpSampling2D(3)(x)
x = layers.Conv2DTranspose(16, 3, activation='relu')(x)
decoder_output = layers.Conv2DTranspose(1, 3, activation='relu')(x)

autoencoder = keras.Model(encoder_input, decoder_output, name='autoencoder')
autoencoder.summary()

是否可以在共享同一个图表的同时保存和加载这两个模型？如果我按以下方式保存和加载它们：

# Save
encoder.save('encoder.h5')
autoencoder.save('autoencoder.h5')

# Load
new_encoder = keras.models.load_model('encoder.h5')
new_autoencoder = keras.models.load_model('autoencoder.h5')

新的编码器和自动编码器将不再共享同一个图，因此不再一起训练。

【参考方案1】：

这是一个很酷的问题。编码器和自动编码器不再共享同一个图，因为它们被保存为不相交的模型。事实上，encoder 被保存了两次，因为它也嵌入在 autoencoder 中。

要在仍然共享同一个图表的同时恢复两个模型，我建议采用以下方法：

命名encoder 的输出层。例如：

encoder_output = layers.GlobalMaxPooling2D(name='encoder_output')(x)

只保存autoencoder:

autoencoder.save('autoencoder.h5')

恢复autoencoder：

new_autoencoder = keras.models.load_model('autoencoder.h5')

从恢复的autoencoder 重建encoder 的图，以便它们共享公共层：

encoder_input = new_autoencoder.get_layer('img').input
encoder_output = new_autoencoder.get_layer('encoder_output').output
new_encoder = keras.Model(encoder_input, encoder_output)

或者，您还可以保存/加载权重并手动重建图表。

【讨论】：

谢谢！这是一个很好的解决方案它肯定会满足我的需要。