[英]Predicting from the middle of a Keras model
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。
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
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.