在 Keras 中合并多个模型（张量流）答案

【问题标题】：Merge multiple Models in Keras (tensorflow)在 Keras 中合并多个模型（张量流）
【发布时间】：2021-07-10 18:25:42
【问题描述】：

在这里做了很多努力之后是我的问题，

我有两个模型，两个模型都可以检测 2-2 个类。正如我们所知，我们可以使用 FunctionalAPI 合并两个模型。我试过了，但我没有得到想要的结果。

我的目标：我想合并这些模型，更新后的模型应该有（1 个输入，4 个输出）。

inputs = tf.keras.Input(shape=(50,50,1))
y_1 = f1_Model(inputs)
y_2 = f2(inputs)
outputs = tf.concat([y_1, y_2], axis=0)
new_model = keras.Model(inputs, outputs)
new_model.summary()

Model: "functional_5"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_2 (InputLayer)            [(None, 50, 50, 1)]  0                                            
__________________________________________________________________________________________________
sequential (Sequential)         (None, 2)            203874      input_2[0][0]                    
__________________________________________________________________________________________________
sequential_1 (Sequential)       (None, 2)            203874      input_2[0][0]                    
__________________________________________________________________________________________________
tf_op_layer_concat (TensorFlowO [(None, 2)]          0           sequential[1][0]                 
                                                                 sequential_1[1][0]               
==================================================================================================
Total params: 407,748
Trainable params: 407,748
Non-trainable params: 0
__________________________________________________________________________________________________

当我在其中传递图像时，它会给出错误的结果。我不知道我哪里出错了。

prediction = new_model.predict([prepare(img)]) 
prediction

# index_pred=np.argmax(prediction) (this should return from 0 to 3, but not happening)
 

array([[1., 0.],
       [1., 0.]], dtype=float32)

【问题讨论】：

看起来您需要更改连接输出的轴。 outputs = tf.concat([y_1, y_2], axis=1) 应该可以工作。
array([[0., 1., 1., 0.]], 试过了，但这是错误的。我认为只有一个应该为 1，其余的应该为 0
这对您有帮助吗？ stackoverflow.com/questions/68036757/…
@Kaveh 我会尝试的。在此之前，请阅读我在以下答案中添加的 cmets。让我知道您建议的解决方案是否可行
@Kaveh datascience.stackexchange.com/questions/97733/…这也是我的问题

标签： python tensorflow keras

【解决方案1】：

据我了解，您想对 4 个类别进行分类，为此，您有 2 个模型，每个模型可对 2 个类别进行分类。
截至目前，您的 f1 和 f2 模型输出 softmax activation 的结果，因此首先，您必须将其删除并仅输出 logits 或仅输出 relu activation。在@dmg2 提到的那之后，你必须在tf.concat 中设置axis=1 现在最后你必须通过一个新的softmax 激活来传递输出。在那之后，我希望你能训练你的模型。

【讨论】：

两个模型都已经过训练。合并后，我需要再次训练吗？有没有别的办法？因为训练需要很多时间。我可以分别使用两个模型，但我想合并它们。
别无他法。你必须训练。给你理由。第一个模型认为它是 1 类或 2 类，而第二个模型认为它是 3 类或 4 类，因此对于每个输入，第一个模型会说它的 1 类或 2 类，第二个模型会说 3 或 4，所以最后你将在 concat 之后有 2 个非常高的 logits。因此，softmax probas 会略有不同。