将 keras api 用于具有相同目标值的多输出模型

Question

根据https://keras.io/models/model/的多输入或多输出模型，可以使用

model = Model(inputs=a1, outputs=[b1, b2])

如果 b1 和 b2 实际上是相同的目标值怎么办？ IE。在几个初始层之后，模型有两个独立的“分支”，每个分支都应该给出相同的值。下面是一个非常简单的例子

a  = Input(shape=(32,))
b1 = Dense(32)(a)
b2 = Dense(32)(a)

model = Model(inputs=a, outputs=[b1,b2])

有没有比复制目标值更好/更好的拟合方法？

model.fit(x_train, [y_train, y_train])

另外，如果在拟合期间需要真正的标签（y_train）（仅），可以像这样使用它们

model.fit([x_train,y_train], [y_train, y_train])

有没有更好的解决方案？另外，如何处理预测？

model.predict([x_test, y_test_fake_labels])

Answer 1

首先对于 predict 函数：model.predict(X) 将在您的情况下返回一个 numpy 数组列表。我认为您将 tensorflow 的 session.run() 与 keras 混淆了。对于单输入和多输出，请使用 model.fit(X,[y1,y2])。

我假设您使用的是 Keras 的 tensorflow 后端。在我看来，Keras 可以说拥有最好的 API 和语法。与 tf.learn、slim 等相比，它简单易学。尽管它在后台运行 tensorflow，但与使用纯 tensorflow 运行图形相比，它非常慢。因此，我有时用来从模型中挤出性能的一个小技巧是使用 keras 定义模型架构，然后使用 keras.backend.get_session().graph 从 keras 获取纯张量流图，并使用 slim 或 tf.learn 进行训练 /推断你的模型。因此，您正在使用两个世界中最好的。从语法上讲，这开辟了许多训练/推断模型的方法。