在 Keras 中重用中间层作为另一个模型的输入

Question

我正在使用 Keras 构建一个 5 层自动编码器。我制作了从输入映射到输出的模型，这很好。我构建了另一个模型，该模型从输入映射到潜在编码向量，该模型工作正常。但是，我随后尝试制作一个解码模型，该模型从潜在编码向量映射到不起作用的输出。

我知道首先我应该为制作该形状的解码模型制作一个输入层，但我无法弄清楚如何将我的编码层数据作为解码模型的输入，并让它从编码向量映射到最终层。

from keras.layers import Input, Dense
from keras.models import Model
from keras.datasets import mnist
import numpy as np
(x_train, _), (x_test, _) = mnist.load_data()
# Prepare data and normalize
x_train = x_train.astype('float32') / 255.
x_test = x_test.astype('float32') / 255.
x_train = x_train.reshape(len(x_train), -1)
x_test = x_test.reshape(len(x_test), -1)
input_size = 784
hidden_size = 128
coded_size = 64
x = Input(shape=(input_size,))
hidden_1 = Dense(hidden_size, activation='relu')(x)
coded =Dense(coded_size, activation='relu')(hidden_1)
hidden_2 = Dense(hidden_size, activation='relu')(coded)
r = Dense(input_size, activation='sigmoid')(hidden_2)
autoencoder = Model(inputs=x, outputs=r)
encoder = Model(inputs=x, outputs=coded)
decoder_input = Input(shape=(coded_size,))  # should do this, but don't know how to connect it below
decoder = Model(inputs=coded, output=r)

Answer 1

你可以这样做：

decoder_input = Input(shape=(coded_size,))
next_input = decoder_input
# get the decoder layers and apply them consecutively
for layer in autoencoder.layers[-2:]:
next_input = layer(next_input)
decoder = Model(inputs=decoder_input, outputs=next_input)

作为旁注，模型中没有h。我认为它必须被coded取代.