在编译或拟合之前合并 keras 模型？答案

【问题标题】：Merging keras models before compile or fit?在编译或拟合之前合并 keras 模型？
【发布时间】：2018-11-08 19:04:32
【问题描述】：

在 Keras 2.2.4 中工作

我有三个数据特征（特征1、特征2、特征3），它们对应于一组用户以及他们如何对某些项目进行排名。目前，我已经使用如下模型架构分别对它们进行了建模：

input_vecs = add([feature1_vec, user_vec])
nn = Dropout(0.5)(Dense(128, activation='relu')(input_vecs))
nn = BatchNormalization()(nn)
nn = Dropout(0.5)(Dense(128, activation='relu')(nn))
nn = BatchNormalization()(nn)
nn = Dense(128, activation='relu')(nn)
feature1result = Dense(9, activation='softmax')(nn)

feature1model = Model([feature1_input, user_input], feature1result)
featuremodel.compile('adam', 'categorical_crossentropy')

每个模型都有相似的架构（每个都单独调整），并且输出的样式/形状相同。我想把这三个模型的初步结果放到一个新的层中，然后创建一个最终结果。

我想我可以分别运行这三个模型，获取它们的输出，然后使用如下结构将该输出放入一个全新的（可能是顺序的）模型中：

model1 = load_model("feature1.h5")
model2 = load_model("feature2.h5")
model3 = load_model("feature3.h5")
merged_model = Sequential()
merged_model.add(merge([model1.layers[-1].output,model2.layers[-1].output,model3.layers[-1].output]))
merged_model.add(Dense(units = 9, activation='relu')) #or whatever units
merged_model.add(Dense(units = 12, activation='relu'))#or whatever units
merged_model.add(Dense(9, activation='softmax'))

但是，我想提前合并它们，因为这样以后管理模型会更容易（即，只更新一个大模型而不是更新 4 个小模型）。

在执行compile() 和fit() 步骤之前，我该怎么做？

【问题讨论】：

标签： python machine-learning keras

【解决方案1】：

您需要使用函数式 API 才能使用合并层。我希望这能给你这个想法：

input = Input( ... ) 
model1 = load_model("feature1.h5")
model2 = load_model("feature2.h5")
model3 = load_model("feature3.h5")

m1 = model1(input)
m2 = model2(input)
m3 = model3(input)
merged_model = merge([m1,m2,m3]) 
...

【讨论】：