2019-09-24
autoencoderなどを作っていると、保存や推論を行う上での再利用性を考え、encoderとdecoderは分けてModelを作りたいことがある。
autoencoderの学習の際には、作成したencoderのModelとdecoderのModelを結合する。
Modelの結合は前はできなかった気がするが、できるようになっていたのでメモ。
Kerasのバージョンは、2.1.1
まずは、シンプルなモデルを2つ作る。input→model1→model2→outputを作る。
def model1():
layer_input = Input(shape=(None, 10))
layer_output = Dense(10)(layer_input)
model = Model(layer_input, layer_output)
model.summary()
return model
def model2():
layer_input = Input(shape=(None, 10))
layer_output = Dense(10)(layer_input)
model = Model(layer_input, layer_output)
model.summary()
return modelまず、model1へのインプットを作る。model1のアウトプットをmodel2のインプットにし、Modelのインスタンスを作る。
m1 = model1()
m2 = model2()
inp = Input(shape=(None, 10))
model1_output = m1(inp)
out = m2(model1_output)
model = Model(inp, out)
model.summary()すると、こんな感じでモデルが結合できたのが確認できる。
Using TensorFlow backend.
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, None, 10) 0
_________________________________________________________________
dense_1 (Dense) (None, None, 10) 110
=================================================================
Total params: 110
Trainable params: 110
Non-trainable params: 0
_________________________________________________________________
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_2 (InputLayer) (None, None, 10) 0
_________________________________________________________________
dense_2 (Dense) (None, None, 10) 110
=================================================================
Total params: 110
Trainable params: 110
Non-trainable params: 0
_________________________________________________________________
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_3 (InputLayer) (None, None, 10) 0
_________________________________________________________________
model_1 (Model) (None, None, 10) 110
_________________________________________________________________
model_2 (Model) (None, None, 10) 110
=================================================================
Total params: 220
Trainable params: 220
Non-trainable params: 0
_________________________________________________________________コード全体はこんな感じ。
from keras.layers import Dense
from keras.models import Model
def model1():
layer_input = Input(shape=(None, 10))
layer_output = Dense(10)(layer_input)
model = Model(layer_input, layer_output)
model.summary()
return model
def model2():
layer_input = Input(shape=(None, 10))
layer_output = Dense(10)(layer_input)
model = Model(layer_input, layer_output)
model.summary()
return model
def main():
m1 = model1()
m2 = model2()
inp = Input(shape=(None, 10))
x = m1(inp)
out = m2(x)
model = Model(inp, out)
model.summary()
if __name__ == '__main__':
main()モデルインスタンスの再利用性が上がってて使いやすくなってる。