从Keras模型的中间进行预测

Question

我正在尝试开发一种自动编码器，用于使用Keras压缩图像。 我能够训练它并压缩图像，但是我在其中的解码器部分苦苦挣扎。 具体来说，给定压缩图像，我不知道如何使用模型对其进行解压缩。

这就是我所拥有的：

    input_layer = keras.layers.Input(shape=(64, 64, 3))
    code_layer = build_encoder(input_layer, size_of_code)  # add some convolution layers and max-pooling
    output_layer = build_decoder(code_layer)  # add some convolution layers and up-sampling

    autoencoder_model = keras.models.Model(input_layer, output_layer)
    encoder_model = keras.models.Model(input_layer, code_layer)
    decoder_model = ??
    autoencoder_model.compile(optimizer='adam', loss='binary_crossentropy')

使用上面的代码，我可以训练autoencoder_model并使用encoder_model压缩图像，但是我不知道如何构造decoder_model ，主要是因为我不知道如何在模型中间插入新的输入。

Answer 1

像这样。 代替code_layer，需要定义一个输入层，并使用该输入构建解码器模型。

latent_inputs = keras.layers.Input(shape=(size_of_code))
output_layer = build_decoder(latent_inputs)  # add some convolution layers and up-sampling
decoder_model = keras.models.Model(latent_inputs, output_layer)

您可以参考以下完整的VAE示例：

https://github.com/keras-team/keras/blob/master/examples/variational_autoencoder.py