Обучение только одному выходу сети в Keras

Question

У меня есть сеть в Keras с множеством выходов, однако мои данные обучения предоставляют информацию только для одного выхода за раз.

В настоящий момент мой метод обучения состоял в том, чтобы запустить предсказание на входном материале, изменить значение конкретного выходного файла, который я тренирую, а затем выполнить одно пакетное обновление. Если я прав, это то же самое, что и установка потери для всех выходов на ноль, кроме той, которую я пытаюсь тренировать.

Есть ли лучший способ? Я пробовал весы классов, где я устанавливал нулевой вес для всех, кроме выпуска, который я тренирую, но он не дает мне ожидаемых результатов?

Я использую бэкэнд Theano.

Answer 1

Для этого я закончил использование «функционального API». Вы в основном создаете несколько моделей, используя одни и те же слои ввода и скрытые слои, но разные уровни вывода.

Например:

https://keras.io/getting-started/functional-api-guide/

from keras.layers import Input, Dense 
from keras.models import Model 

# This returns a tensor 
inputs = Input(shape=(784,)) 

# a layer instance is callable on a tensor, and returns a tensor 
x = Dense(64, activation='relu')(inputs) 
x = Dense(64, activation='relu')(x) 
predictions_A = Dense(1, activation='softmax')(x) 
predictions_B = Dense(1, activation='softmax')(x) 

# This creates a model that includes 
# the Input layer and three Dense layers 
modelA = Model(inputs=inputs, outputs=predictions_A) 
modelA.compile(optimizer='rmsprop', 
       loss='categorical_crossentropy', 
       metrics=['accuracy']) 
modelB = Model(inputs=inputs, outputs=predictions_B) 
modelB.compile(optimizer='rmsprop', 
       loss='categorical_crossentropy', 
       metrics=['accuracy'])