使用常量保存/加載keras模型

Question

我有一個Keras模型，想在其中添加一個常數。 經過一番谷歌搜索后，我得到了以下代碼，該代碼正是我想要的：

import numpy as np
from keras.layers import Input, Add
from keras.backend import variable
from keras.models import Model, load_model

inputs = Input(shape=(1,))
add_in = Input(tensor=variable([[5]]), name='add')
output = Add()([inputs, add_in])

model = Model([inputs, add_in], output)
model.compile(loss='mse', optimizer='adam')

X = np.array([1,2,3,4,5,6,7,8,9,10])
model.predict(X)

但是，如果我保存並加載此模型，Keras似乎會失去對常數的跟蹤：

p = 'k_model.hdf5'
model.save(p)
del model
model2 = load_model(p)
model2.predict(X)

哪個返回：

檢查模型時出錯：傳遞給模型的Numpy數組列表不是模型預期的大小。 預期會看到2個數組，但獲得了以下1個數組的列表：

保存/加載Keras模型時如何包含常數？

Answer 1

正如您提到的那樣，它始終是常數，因此沒有必要為其定義單獨的Input層。 特別考慮到它不是模型的輸入。 我建議您改用Lambda圖層：

import numpy as np
from keras.layers import Input, Lambda
from keras.models import Model, load_model

def add_five(a):
    return a + 5

inputs = Input(shape=(1,))
output = Lambda(add_five)(inputs)

model = Model(inputs, output)
model.compile(loss='mse', optimizer='adam')

X = np.array([1,2,3,4,5,6,7,8,9,10])
model.predict(X)

輸出：

array([[ 6.],
       [ 7.],
       [ 8.],
       [ 9.],
       [10.],
       [11.],
       [12.],
       [13.],
       [14.],
       [15.]], dtype=float32)

並且，由於add_five函數已存儲在模型文件中，因此在保存和重新加載模型時也不會出現問題。

更新：您可以將其擴展到每個輸入樣本包含多個元素的情況。 例如，如果輸入形狀為(2,)並且要將5添加到每個樣本的第一個元素，將10添加到第二個元素，則可以輕松地修改add_five函數並重新定義它，如下所示：

def add_constants(a):
    return a + [5, 10]  

# ... the same as above (just change the function name and input shape)

X = np.array([1,2,3,4,5,6,7,8,9,10]).reshape(5, 2)
model.predict(X)

輸出：

# X
array([[ 1,  2],
       [ 3,  4],
       [ 5,  6],
       [ 7,  8],
       [ 9, 10]])

# predictions
array([[ 6., 12.],
       [ 8., 14.],
       [10., 16.],
       [12., 18.],
       [14., 20.]], dtype=float32)