tensorflow - 关于 Keras 框架下自编码器模型中的解码器层定义

Question

在 this blog 中包含的自动编码器示例中，作者构建一个隐藏层如下。

 # this is the size of our encoded representations
 encoding_dim = 32  # 32 floats -> compression of factor 24.5, assuming the input is 784 floats
 input_img = Input(shape=(784,))
 encoded = Dense(encoding_dim, activation='relu')(input_img)
 decoded = Dense(784, activation='sigmoid')(encoded)
 autoencoder = Model(input=input_img, output=decoded)

 # this model maps an input to its encoded representation
 encoder = Model(input=input_img, output=encoded)

我可以理解上述部分的工作原理，但我对构建解码器部分的以下部分感到困惑

 # create a placeholder for an encoded (32-dimensional) input
 encoded_input = Input(shape=(encoding_dim,))
 # retrieve the last layer of the autoencoder model
 decoder_layer = autoencoder.layers[-1]
 # create the decoder model
 decoder = Model(input=encoded_input, output=decoder_layer(encoded_input))

具体来说，我认为 decoder应定义为 decoder = Model(input=encoded, output=decoded) .我不明白为什么我们必须引入额外的变量 encoded_input .根据自动编码器模型，我们只是将编码部分解码为输出，因此解码器层的输入应该是 encoded .
而且，如果解码器模型定义如上，为什么编码器没有定义为 encoder=Model(input=input_img, output=autoencoder.layers[0](input_img)) ?

Answer 1

encoded_input表示一个占位符，如果您只想在您生成的某些数据上运行解码器而不是编码器(例如，如果您正在探索编码空间)，则可以使用该占位符。