Keras：在不同的模型中使用相同的图层（共享权重）

Quick answer:

事实上这很容易 . 这是代码（对于那些不想阅读所有文本的人）：

inputs=Input((784,))
encode=Dense(10, input_shape=[784])(inputs)
decode=Dense(784, input_shape=[10])

model=Model(input=inputs, output=decode(encode))

inputs_2=Input((10,))
decode_model=Model(input=inputs_2, output=decode(inputs_2))

在此设置中， decode_model 将使用与 model 相同的解码层 . 如果您训练 model ， decode_model 也将接受训练 .

Actual question:

我正在尝试为Keras中的MNIST创建一个简单的自动编码器：

这是到目前为止的代码：

model=Sequential()
encode=Dense(10, input_shape=[784])
decode=Dense(784, input_shape=[10])

model.add(encode)
model.add(decode)


model.compile(loss="mse",
             optimizer="adadelta",
             metrics=["accuracy"])

decode_model=Sequential()
decode_model.add(decode)

我正在训练它学习身份功能

model.fit(X_train,X_train,batch_size=50, nb_epoch=10, verbose=1, 
          validation_data=[X_test, X_test])

重建非常有趣：

但我还想看一下集群的表示 . 将[1,0 ... 0]传递给解码层的输出是多少？这应该是MNIST中一个类的“集群均值” .

为了做到这一点，我创建了第二个模型 decode_model ，它重用了解码器层 . 但如果我尝试使用该模型，它会抱怨：

例外：检查时出错：期望dense_input_5有形状（无，784）但是有形状的数组（10,10）

这看起来很奇怪 . 它只是一个密集的层，Matrix甚至无法处理784-dim输入 . 我决定查看模型摘要：

____________________________________________________________________________________________________
Layer (type)                     Output Shape          Param #     Connected to                     
====================================================================================================
dense_14 (Dense)                 (None, 784)           8624        dense_13[0][0]                   
====================================================================================================
Total params: 8624

它连接到dense_13 . 很难跟踪图层的名称，但这看起来像编码器层 . 果然，整个模型的模型总结是：

____________________________________________________________________________________________________
Layer (type)                     Output Shape          Param #     Connected to                     
====================================================================================================
dense_13 (Dense)                 (None, 10)            7850        dense_input_6[0][0]              
____________________________________________________________________________________________________
dense_14 (Dense)                 (None, 784)           8624        dense_13[0][0]                   
====================================================================================================
Total params: 16474
____________________

显然这些层是永久连接的 . 奇怪的是我的 decode_model 中没有输入层 .

如何重用Keras中的图层？我看过功能API，但也有层融合在一起 .