マルチ出力kerasモデル

Question

の列車選択分岐が、私はこれに似た構造を持つマルチ出力Kerasモデルを持っている：

s = some_shared_layers()(input) 
non_trainable1 = Dense(trainable=False) (s) 
non_trainable2 = Dense(trainable=False) (s) 
trainable = Dense() (s) 

model = Model(input, outputs=[non_trainable1, non_trainable2, trainable]) 

私のモデルは、最初のフォワード・パスを計算し、入力を操作することが第一2つの出力を使用しています。次に、別の順方向パスを計算して3番目の出力を取得します。私はtrainable層を訓練するmodel.fit()呼び出す必要がありますどのように

out1, out2,_ =model.predict(input_data) 
processed_data = foo(input_data, out1, out2) 
_,_, out3 = model.predict(processed_data) 

？他の出力の損失を除外すると、Kerasはwe will not be expecting any data to be passed to "non_trainable1" during trainingと警告し、それらを計算グラフから除外します。

このタスクのモデルを構成する良い方法はありますか？

Answer 1

私が正しく理解していれば、それらのレイヤーは必要ありません。実際には、2つのモデル、1つは予測のみ、もう1つはトレーニング用です。

非トレーニング可能：

model1 = Model(input, [non_trainable1, non_trainable2]) 
#model 1 doesn't need to be compiled, since you won't train it  

訓練可能：それらを使用して

model2 = Model(input, trainable) 
model2.compile(loss=onlyTheLossForTrainable)  

：

out1, out2 =model1.predict(input_data) 
processed_data = foo(input_data, out1, out2) 

model2.fit(processed_data, expected_outputs, ....)