如何在 Keras 中缓存图层激活

Question

我训练了一个NN，其中第一层在Keras中具有固定的权重（不可训练）。

这些层执行的计算在训练期间非常密集。为每个输入缓存图层激活并在下一个纪元传递相同的输入数据时重复使用它们是有意义的，以节省计算时间。

是否有可能在 Keras 中实现这种行为？

Answer 1

您可以将模型分成两个不同的模型。例如，在以下代码片段中，x_对应于中间激活：

from keras.models import Model
from keras.layers import Input, Dense
import numpy as np

nb_samples = 100
in_dim = 2
h_dim = 3
out_dim = 1
a = Input(shape=(in_dim,))
b = Dense(h_dim, trainable=False)(a)
model1 = Model(a, b)
model1.compile('sgd', 'mse')
c = Input(shape=(h_dim,))
d = Dense(out_dim)(c)
model2 = Model(c, d)
model2.compile('sgd', 'mse')

x = np.random.rand(nb_samples, in_dim)
y = np.random.rand(nb_samples, out_dim)
x_ = model1.predict(x)  # Shape=(nb_samples, h_dim)
model2.fit(x_, y)