使用内部层的输出来适应Keras模型？

Question

我有一个M模型，有两个输入：x\u train1，x\u train2。经过重变换后，这些输入被连接成一个单独的数组x1×ux2。后来它被插入一个自动编码器，输出应该是x1×x2。但当我尝试拟合模型时，我得到以下错误：

ValueError：当向模型输入符号张量时，我们希望传感器具有静态批量大小。有形状的张量：（无，2080）

我知道问题在于如何指定预期的输出。我能够使用一个伪数组运行代码，比如np.零（（962080）），但不是通过设置内层的输出。你知道吗

我做了以下工作以适应模型：

autoencoder.fit([x_train1, x_train2], 
                autoencoder.layers[-7].output,
                epochs=50,
                batch_size=8,
                shuffle=True,
                validation_split=0.2)

我怎样才能让Keras理解预期的输出应该是具有形状的内部层的输出（number\u of \u input \u images，2080）？你知道吗

Answer 1

我将执行以下操作：从Keras导入Model类并创建一个附加模型。你知道吗

from tensorflow.python.keras.models import Model

# model = your existing model

new_model = Model(
  inputs = model.input,
  outputs = model.get_layer(name_of_desired_output_layer).output
)

就这样，现在你可以用你的新模型来训练它。你知道吗