结合两个图i张量流，只对中间模型进行优化

Question

我已经训练过自动编码器（E1-D1） 现在我想要另一个自动编码器让我们称之为（E2-D2）

因此，模型类似于E1->；E2->；D2->；D1，其中模型仅通过使用D1的输出和E1的输入来优化E2 D2

E1->；5层CNN+1个FC（已训练）

E2->；5层+1层

D2->；5个DeCNN层+1个FC

D1->；5个DeCNN层+1个FC（已训练）

注E1 D1已训练（图中为蓝色）

请看图片

我只想用X（输入）Y（输出）来优化e2d2

Answer 1

在tensorflow中实现这一点的最简单方法是第一列E1和D1（已经完成）。然后提取并存储这些网络的tf.Variables（权重和偏差）的值，然后创建一个包含上述所有自动编码器的全新网络结构，并将提取的权重值注入新网络

您可以通过对E1和D1网络进行训练，然后在会话中调用tf.get_tensor_by_name，将权重值提取为numpy数组来实现这一点。然后可以使用np.save保存这些文件以备将来使用

使用所有所需图层创建新的完整网络：

5个CNN层+1个FC+5个CNN层+1个FC+5个DeCNN层+1个FC 5个DeCNN层+1个FC

然后可以将E1和D1层中tf.Variables的值初始化为先前保存的值，方法是使用np.load加载先前保存的值，然后将这些值作为<initial-value>参数传递给tf.Variables，如here所述

您可以将这些恢复的tf.Variables设置为untrainable，以便它们在其余的训练期间保持不变