如何在Keras中的模型开始处添加图层？

Question

我想使用Tensorflow和Keras将新图层添加到预训练模型中。 问题是，这些新图层不是要添加到模型的顶部，而是要在开始时添加。 我想使用预训练网络作为模型的核心，创建一个三连体模型，该模型采用3种不同的输入并给出3种不同的输出。 为此，我需要在模型的开头插入3个新的输入层。

默认路径是仅链接图层和模型，但是此方法将预先训练的模型视为新的图层（当创建具有新输入和预先训练的模型的新模型时，新模型仅包含4层，3个输入层以及整个预训练模型）：

input_1 = tf.keras.layers.Input(shape = (224,224,3))
input_2 = tf.keras.layers.Input(shape = (224,224,3))
input_3 = tf.keras.layers.Input(shape = (224,224,3))

output_1 = pre_trained_model(input_1)
output_2 = pre_trained_model(input_2)
output_3 = pre_trained_model(input_3)

new_model = tf.keras.Model([input_1, input_2, input_3], [output_1, output_2, output_3])    

由于pre_trained_model API将pre_trained_model视为一层，因此new_model只有4层。

我知道上面的选项可以正常工作，正如我在许多代码示例中所看到的那样，但是我想知道是否有更好的选择。 我觉得很尴尬，因为最终模型的内部层的访问将被弄乱，更不用说在添加了3个输入层（预训练模型的输入层）之后模型将具有一个额外的输入层的事实仍然完整无缺，完全没有必要）。

Answer 1

不，这不会添加图层，您正在创建一个多输入多输出模型，每个暹罗分支共享权重。 Keras中没有其他API可以执行此操作，因此这是您唯一的选择。

而且，您始终可以通过pre_trained_model变量访问内部模型的pre_trained_model ，因此不会丢失任何内容。