Keras：将输出重新馈送到定义模型的输入

Question

假设我在 Keras 中有一个模型，其结构已经固定。该模型有两个输入和一个输出。最后一步的输出应用于计算当前输出。 sketch of the problem

我的方法是这样的：

model_1 = load_model(...)

x = Input(shape=(1,), name="input1")
input_concat = Concatenate([x, y])
y = model_1(input_concat)

我已经尝试过，github 的 bstriner 建议添加的内容（我通过简单的 Dense(1)-Layer 交换了 model_1 以获得可重复性）：

x = Input(shape=(1,), name="input1")
y = K.zeros(shape=(1,))
input_concat = Concatenate([x, y])
y = Dense(1)(input_concat)

.. 但显然 Concatenate 不适用于 K.zeros(..) 解决方案。 （它也不适用于Add()-Layer 而不是Concatenate()-Layer，因为通过model_total = Model(inputs=x, outputs=y 编译整个模型后出现以下错误

'Variable' 对象没有属性'_keras_history'

提前致谢！

Answer 1

您可以尝试替换原来的第 0 层输入层。

model_1 = load_model(...)
model_1.layers[0] = new_input_layer

但是，我仍然不确定这是否会达到您的预期。您要将前馈模型转变为递归网络。我预计你将无法训练它。