在 keras 中实现联合学习

Question

我正在尝试实现一个由两层组成的模型来分割 keras 中的候选对象 所以基本上这个模型有以下架构

Image(channel,width,height) -> 多个卷积和池化层-> output('n' feature maps , height width)

现在这个单输出被两层使用 如下 1）卷积（1*1）->具有m个单元的密集层（输出= n * 1*1）->使用h*w维度的全连接层的像素分类器->上映射到（H，N）->输出

2）卷积->maxpooling->密集层->分数

成本函数使用这两个层的输出，即每个输出的二元逻辑回归之和

现在我有两个问题 1）如何在第1层的卷积输出上实现密集连接以产生如上所述的h * w像素分类器 2）如何合并两层以计算单个成本函数，然后使用反向传播联合训练两层

谁能告诉我如何为上述网络架构创建模型。我是深度学习的新手，所以如果有我误解的东西，如果有人能解释我理解中的错误，我将不胜感激 谢谢

Answer 1

分享已有的代码会更容易。

对于向密集的过渡卷积，您必须使用model.add(Flatten())，就像在examples here 中一样。

很遗憾，我不知道第二个问题，但是根据我刚才在 Keras Models 中看到的，你必须使用图模型。