keras 同時訓練 2 個模型

Question

我有 2 個模型：model1 和 model2。

我需要獲取模型 1 的輸出並手動操作 myData 並將其設置（操作的 myData）作為模型 2 的輸入。

model2 的輸出是 myData 響應的分類（對 model1 輸出操作），相對於預定義的分類（即監督）。

1. 我需要同時改進模型 1 的輸出和改進模型 2 的分類。 但是在測試中，我將分別使用每個模型。
2. 在我看來，我需要使用模型 2 成本函數作為模型 1 成本函數 - 怎么做？
3. 任何其他想法如何做到？

我強調：連接不能解決問題。

請參考附圖

Answer 1

一般草圖如下：

# define model 1 architecture
...

# define model 2 architecture
...

# define manipulation logic
out1 = model1.output  # get the output of model1
out1 = SomeLayer()(out1)  # apply any number of layers as you wish
...

out_final = model2(out1) # feed the manipulated output to model2

# define the joint model
final_model = Model(model1.input, out_final)

# compile the model ...
final_model.compile(loss=..., optimizer=...) # loss is computed based on the output of model2

# fit the model
final_model.fit(...)

這樣既model1和model2將能夠同時鍛煉，你也可以獨立使用它們（如使用model1.predict()或model2.predict()