Если я передам слои двум моделям Keras и обучу только одной, обе модели поделятся весами после обучения первой

Question

Я попытался создать простой автоэнкодер, используя Keras, для этого я начал с одного полностью подключенного нейронного слоя в качестве кодера и декодера.

> input_img = Input(shape=(784,)) 
>encoded = Dense(encoding_dim,activation='relu')(input_img) 
>decoded = Dense(784, activation='sigmoid')(encoded)
>autoencoder =Model(input_img, decoded)

Я также создал отдельный модуль кодера с помощь

encoder = Model(input_img, encoded)

Так же как и модель декодера:

encoded_input = Input(shape=(32,))
# retrieve the last layer of the autoencoder model
decoder_layer = autoencoder.layers[-1]
# create the decoder model
decoder = Model(encoded_input, decoder_layer(encoded_input))

Затем я обучил модель

autoencoder.fit(x_train, x_train,
                epochs=50,
                batch_size=256,
                shuffle=True,
                validation_data=(x_test, x_test))

, но даже если я не тренировался кодер и декодер, те, кто разделяет веса автоэнкодера, даже если я прошел слои перед тренировкой. Я обучил только кодер, но и кодер, и декодер проходят обучение.

encoded_imgs = encoder.predict(x_test)
decoded_imgs = decoder.predict(encoded_imgs)

Answer 1

Я должен был быть более осторожным при чтении текста. Если две модели Keras совместно используют несколько слоев, при обучении первой модели веса из общих слоев будут автоматически обновляться в другой модели.

https://keras.io/getting-started/functional-api-guide/

Этот блог прекрасно иллюстрирует использование общих слоев.

https://blog.keras.io/building-autoencoders-in-keras.html/