keras : add layers to another model

Question

我需要向现有模型添加图层。但是，我需要在“主模型级别”添加层，即我不能使用经典的函数方法。例如，如果我使用类似的东西:

from keras.layers import Dense,Reshape, Input
inp = Input(shape=(15,))
d1 = Dense(224*224*3, activation='linear')(inp)
r1 = Reshape(input_shape)
from keras import Model
model_mod = r1(d1)
model_mod = mobilenet(model_mod)
model_mod = Model(inp, model_mod)

我获得:

Layer (type)                 Output Shape              Param #   
=================================================================
input_5 (InputLayer)         (None, 15)                0         
_________________________________________________________________
dense_4 (Dense)              (None, 150528)            2408448   
_________________________________________________________________
reshape_4 (Reshape)          (None, 224, 224, 3)       0         
_________________________________________________________________
mobilenet_1.00_224 (Model)   (None, 1000)              4253864 

所以，我获得了一个带有嵌套子模型的模型。相反，我会将嵌套子模型的层(mobilenet)“添加”到新的顶层(即在 reshape_4 之后)。我试过:

modelB_input = modelB.input
for layer in modelB.layers:
    if layer == modelB_input:
        continue
    modelA.add(layer)  

它适用于简单的顺序模型(例如，vgg、mobilenet)，但对于连接不是严格顺序的更复杂的模型(例如，inception、resnet)，此代码并不好。
有任何想法吗？

Answer 1

您可以使用 keras.layers.Concatenate像这样合并两个模型:

first = Sequential()
first.add(Dense(1, input_shape=(2,), activation='sigmoid'))

second = Sequential()
second.add(Dense(1, input_shape=(1,), activation='sigmoid'))
 
merged = Concatenate([first, second])

(摘自: How to concatenate two layers in keras?)
虽然这个例子使用了 keras.models.Sequential ，它也适用于其他模型或层。
你也可以看看: https://keras.io/api/layers/merging_layers/concatenate/