连接Keras模型/替换输入但保留图层

Question

这个问题类似于Keras替换输入层。

我有一个分类器网络和一个自动编码器网络，我想使用自动编码器的输出（即编码+解码，作为预处理步骤）作为分类器的输入-但是在分类器已经针对常规数据进行训练之后。

分类网络是使用以下功能性API构建的（基于此示例）：

clf_input = Input(shape=(28,28,1))
clf_layer = Conv2D(...)(clf_input)
clf_layer = MaxPooling2D(...)(clf_layer)
...
clf_output = Dense(num_classes, activation='softmax')(clf_layer)
model = Model(clf_input, clf_output)
model.compile(...)
model.fit(...)

像这样的自动编码器（基于此示例）：

ae_input = Input(shape=(28,28,1))
x = Conv2D(...)(ae_input)
x = MaxPooling2D(...)(x)
...
encoded = MaxPooling2D(...)(x)
x = Conv2d(...)(encoded)
x = UpSampling2D(...)(x)
...
decoded = Conv2D(...)(x)
autoencoder = Model(ae_input, decoded)
autoencoder.compile(...)
autoencoder.fit(...)

我可以这样连接两个模型（我仍然需要原始模型，因此需要复制）：

model_copy = keras.models.clone_model(model)
model_copy.set_weights(model.get_weights())
# remove original input layer
model_copy.layers.pop(0)
# set the new input
new_clf_output = model_copy(decoded)
# get the stacked model
stacked_model = Model(ae_input, new_clf_output)
stacked_model.compile(...)

当我要做的只是将模型应用于新的测试数据时，这种方法非常有用，但是在诸如此类的操作上却出现了错误：

for layer in stacked_model.layers:
    print layer.get_config()

它到达自动编码器的末尾，但随后在分类器模型获得其输入的点失败并显示KeyError。同样在用keras.utils.plot_model我绘制模型时得到这个：

在这里，您可以看到自动编码器层，但是最后，而不是分类器模型中的各个层，一个块中只有完整的模型。

有没有办法连接两个模型，使得新的堆叠模型实际上由所有单独的层组成？

Answer 1

好的，我能想到的是真正地手动遍历模型的每一层，并再次将它们重新连接，如下所示：

l = model.layers[1](decoded)  # layer 0 is the input layer, which we're replacing
for i in range(2, len(model.layers)):
    l = model.layers[i](l)
stacked_model = Model(ae_input, l)
stacked_model.compile(...)

虽然这可以正常工作并产生正确的图并且没有错误，但这似乎不是最优雅的解决方案...

（顺便说一句，实际上复制模型似乎是不必要的，因为我没有再培训任何东西。）