如果我将层传递给两个 Keras 模型并且只训练一个模型，那么在前者训练后两个模型会共享权重吗

Posted 2023-02-16

【中文标题】如果我将层传递给两个 Keras 模型并且只训练一个模型，那么在前者训练后两个模型会共享权重吗

【英文标题】：If I pass layers to two Keras models and Train only one ,will both the model share weights after the former is trained

【发布时间】：2020-07-11 16:05:36

【问题描述】：

我尝试使用 Keras 构建一个简单的自动编码器，为此我从单个全连接神经层作为编码器和解码器开始。

> input_img = Input(shape=(784,)) 
>encoded = Dense(encoding_dim,activation='relu')(input_img) 
>decoded = Dense(784, activation='sigmoid')(encoded)
>autoencoder =Model(input_img, decoded)

我还借助

创建了一个单独的编码器模块

encoder = Model(input_img, encoded)

以及解码器模型：

encoded_input = Input(shape=(32,))
# retrieve the last layer of the autoencoder model
decoder_layer = autoencoder.layers[-1]
# create the decoder model
decoder = Model(encoded_input, decoder_layer(encoded_input))

然后我训练了模型

autoencoder.fit(x_train, x_train,
                epochs=50,
                batch_size=256,
                shuffle=True,
                validation_data=(x_test, x_test))

但即使我没有训练我的编码器和解码器，即使我在训练之前通过了层，它们也会共享自动编码器的权重。我只训练了编码器，但编码器和解码器都在接受训练。

encoded_imgs = encoder.predict(x_test)
decoded_imgs = decoder.predict(encoded_imgs)

【问题讨论】：

自动编码器不能这样工作。编码器和解码器都通过优化损失或再现误差一起训练。然后根据需要我们可以解耦编码器和解码器并相应地使用它。

【参考方案1】：

我在阅读文本时应该更加小心。 如果两个 Keras 模型共享一些层，当您训练第一个模型时，共享层的权重将在另一个模型中自动更新。

https://keras.io/getting-started/functional-api-guide/

此博客很好地说明了共享层的使用。

https://blog.keras.io/building-autoencoders-in-keras.html/