複数の事前トレーニングされたケラスモデルの連結またはカスケード

Question

私は連結モデルまたはカスケードモデルを作成しようとしています（実際にはこれが正しい定義かどうかわかりません）。 簡単にするために、私のベースモデルは以下のようになっています。

       ----Input---- 
            | 
            L1-1 
            | 
            L1-2 
            | 
            Dense 
            | 
           Softmax 

私はクロスバリデーションで訓練を受けたこれらのモデルの7を持って、のようなカスケードファッションでそれらをラップしようとしている：

  -----------------------Input--------------------- 
      |  |  |  |  |  |  |  
      L1-1 L1-2 L1-3 L1-4  L1-5 L1-6 L1-7 
      |  |  |  |  |  |  | 
      L2-1 L2-2 L2-3 L2-4  L2-5 L2-6 L2-7 
      |  |  |  |  |  |  | 
      |_______|_______|_______|_______|_______|_______| 
      |     Concatenated     | 
      |___________________Dense Layer_________________| 
            | 
           SoftMax 

緻密層のそれぞれが、最終的にはそう512ニューロンを得ました連結高密度層は、合計で7*512=3584ニューロンを有する。私がやった何

は次のとおりです。

• すべてのモデルを訓練し、models[]という名前のリストにそれらを保存しました。
• すべてのモデルで最下部Softmaxレイヤーをポップしました。

その後、私はそれらを連結しようとするが、エラーが発生しました：

Layer merge was called with an input that isn't a symbolic tensor. 

私はつもりはカスケードを形成した後に行うんですがConcatenated Dense Layer以外のすべての中間層を凍結し、少しそれをチューニングしています。しかし、私はすべての詳細で説明されているように立ち往生しています。

Answer 1

機能的なAPIモデルを使用する必要があります。この種のモデルはテンソルと連動します。

まずあなたが共通の入力テンソルを定義します。

inputTensor = Input(inputShape) 

その後、出力テンソルを取得するには、この入力を各モデルを呼び出す：

outputTensors = [m(inputTensor) for m in models] 

次にあなたがCONCATENATE層にこれらのテンソルを渡します。

output = Concatenate()(outputTensors) 
output = Dense(...)(output)  
#you might want to use an Average layer instead of these two.... 

output = Activation('softmax')(output) 

最後に、完全なモデルを開始テンソルからエンド10まで定義しますSORS：

fullModel = Model(inputTensor,output)