用Keras 2.2.0将序列模型转换为功能模型

Question

在Keras版本2.1.6之前，人们可以通过accessing the underlying ^{}将顺序模型“转换”为功能模型。 由于版本2.2.0，这是no longer possible。在

还能用别的方法吗？在

（如果您想知道我为什么要这样做，我将维护依赖于此转换的a library。：传情动漫：）

Answer 1

我现在不能测试这个解决方案，因为我没有安装keras2.2.0，但我认为它应该可以工作。假设序列模型存储在seqmodel：

from keras import layers, models

input_layer = layers.Input(batch_shape=seqmodel.layers[0].input_shape)
prev_layer = input_layer
for layer in seqmodel.layers:
    prev_layer = layer(prev_layer)

funcmodel = models.Model([input_layer], [prev_layer])

这应该给出等效的功能模型。如果我弄错了就告诉我。在

Answer 2

不再需要转换，因为Sequential现在是Model的子类，因此它已经是一个模型。在它以前是一个包装，这大概就是你为什么要问的原因。从source code：

class Sequential(Model):
  # ...
  @property
  def model(self):
    # Historically, `Sequential` was once
    # implemented as a wrapper for `Model` which maintained
    # its underlying `Model` as the `model` property.
    # We keep it for compatibility reasons.
    warnings.warn('`Sequential.model` is deprecated. '
                  '`Sequential` is a subclass of `Model`, you can '
                  'just use your `Sequential` instance directly.')
    return self

无论您对模型做什么，您也可以使用Sequential，它只添加了额外的功能，如.add函数，以便于使用。你可以忽略那些额外的功能，把对象当作一个函数模型来使用。在