在编译或拟合之前合并 keras 模型？

Question

在 Keras 2.2.4 中工作

我有三个数据特征（特征 1、特征 2、特征 3），它们对应于一组用户以及他们如何对某些项目进行排名。目前，我已经使用模型架构分别对它们进行了建模，如下所示：

input_vecs = add([feature1_vec, user_vec])

nn = Dropout(0.5)(Dense(128, activation='relu')(input_vecs))

nn = BatchNormalization()(nn)

nn = Dropout(0.5)(Dense(128, activation='relu')(nn))

nn = BatchNormalization()(nn)

nn = Dense(128, activation='relu')(nn)

feature1result = Dense(9, activation='softmax')(nn)

feature1model = Model([feature1_input, user_input], feature1result)

featuremodel.compile('adam', 'categorical_crossentropy')

每个模型都有相似的架构（每个都单独调整），以及相同的输出样式/形状。我想把三个模型的初步结果放在一个新的图层中，然后创建一个最终的结果。

我想我可以分别运行这三个模型，获取它们的输出，然后使用如下结构将该输出放入一个全新的（可能是顺序的）模型中：

model1 = load_model("feature1.h5")

model2 = load_model("feature2.h5")

model3 = load_model("feature3.h5")

merged_model = Sequential()

merged_model.add(merge([model1.layers[-1].output,model2.layers[-1].output,model3.layers[-1].output]))

merged_model.add(Dense(units = 9, activation='relu')) #or whatever units

merged_model.add(Dense(units = 12, activation='relu'))#or whatever units

merged_model.add(Dense(9, activation='softmax'))

但是，我想事先合并它们，因为这将使以后管理模型更容易（即，只更新一个大模型而不是更新 4 个较小的模型）。

在执行compile()和fit()步骤之前我该怎么做？

Answer 1

您需要使用函数式 API 才能使用合并层。我希望这给你的想法：input = Input( ... ) model1 = load_model("feature1.h5")model2 = load_model("feature2.h5")model3 = load_model("feature3.h5")m1 = model1(input)m2 = model2(input)m3 = model3(input)merged_model = merge([m1,m2,m3]) ...