对于每个事件/样本,我有一组值x1,x2,y1,y2,z,k。我有两个神经网络,我想经历两个阶段的训练。第一个神经网络以x1,x2为输入输出z,第二个神经网络以y1,y2为输入输出k
第一阶段: 分别训练具有输入x1、x2的第一个神经网络以输出z,将具有输入y1、y2的第二个神经网络训练为输出k
第二阶段: 在这里,我准备放弃z和k,我要寻找一个介于z和k之间的值h。因此,对于这个阶段,我想训练两个神经网络,以使它们的输出之间的差异最小化(即,对于每个历元,在NN2的输出上训练NN1,在NN1的输出上训练NN2。更新每个权重和偏差。然后,使用新的权重和偏差计算每个新的输出。然后,通过另一个纪元对NN1进行NN2的新输出训练,并在NN1的新输出上训练NN2)
什么机器学习包允许我这么做。我熟悉Keras(使用TensorFlow后端)。在克拉斯有可能吗?如果不是,在张量流中有可能吗?在
谢谢
假设两个模型都是
model1
和model2
。在让我们创建一个层来计算它们的输出之间的差异:
然后,让我们制作一个输出差异的模型。在
^{pr2}$让我们编译这个模型,选择一个损失来比较与0的差异:
让我们用零作为输出来训练它:
相关问题 更多 >
编程相关推荐