如何在 Keras 中创建虚拟模型？

Question

我正在使用 keras 并尝试在 64x64 图像上训练分类器。

我正在尝试优化我的训练管道并抓住瓶颈。

为此，我正在尝试创建更简单的 Keras 模型，以便我知道整个过程（加载图像、数据增强等）在 GPU 上花费非常低的时间。

到目前为止，我设法写了：

def create_network_dummy():

  INPUT_SHAPE = (64, 64, 1)

  inputs = Input(INPUT_SHAPE)

  out = MaxPooling2D(pool_size = (1,1), strides=(64,64), 1)(inputs)

  model = Model(inputs=[inputs], outputs=[out])

  return model

有没有可能有一个更小的？返回一个常量是行不通的，因为它破坏了图形，而 keras 不允许这样做。

Answer 1

我认为甚至没有必要使用K.identity：inp = Input((64, 64, 1))out = Lambda(lambda x: x)(inp)model = Model(inp, out)

Answer 2

import keras.backend as Kfrom keras.layers import Input, Lambdafrom keras.models import Modelinp = Input((64,64,1))out = Lambda(lambda x: K.identity(x))(inp)model = Model(inp,out) #You could even try Model(inp,inp)??如果想法是拥有一个什么都不做的模型，这似乎是最好的。你也可以返回一个常量，你真的不需要“训练”来看看你提出了什么，你可以“预测”。model.predict_generator(....)另一个模型输出 1 个类inp = Input((64,64,1))out = Lambda(lambda x: x[:,0,0])(inp)model = Model(inp,out)