Keras에서 두 가지 모델 병합

두 Keras 모델을 단일 모델로 병합하려고 하는데이 작업을 수행 할 수 없습니다.

예를 들어 첨부 된 그림에서 치수 8 의 중간 레이어 를 가져 와서 모델 B 의 레이어 B 1 (차원 8의 입력)에 대한 입력으로 사용 하고 모델 A 와 모델 B 를 모두 단일 모델.$A2$$B1$$B$$A$$B$

기능 모듈을 사용하여 모델 와 모델 B를 독립적 으로 작성하고 있습니다 . 이 작업을 어떻게 수행 할 수 있습니까?$A$$B$

참고 : 은 모델 A 의 입력 레이어 이고 B 1 은 모델 B 의 입력 레이어 입니다.$A1$$A$$B1$$B$

내 질문에 대한 답변을 찾았으며 위의 답변을 기반으로하는 코드가 있습니다.

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

A1 = Input(shape=(30,),name='A1')
A2 = Dense(8, activation='relu',name='A2')(A1)
A3 = Dense(30, activation='relu',name='A3')(A2)

B2 = Dense(40, activation='relu',name='B2')(A2)
B3 = Dense(30, activation='relu',name='B3')(B2)

merged = Model(inputs=[A1],outputs=[A3,B3])
plot_model(merged,to_file='demo.png',show_shapes=True)

그리고 내가 원하는 출력 구조는 다음과 같습니다.

Keras에는 함수형 API를 사용하여 모델을 정의하는 유용한 방법이 있습니다. 기능적 API를 사용하면 계층의 비순환 비순환 그래프를 정의하여 완전히 임의의 아키텍처를 구축 할 수 있습니다. 귀하의 예를 고려할 때 :

#A_data = np.zeros((1,30))
#A_labels = np.zeros((1,30))
#B_labels =np.zeros((1,30))

A1 = layers.Input(shape=(30,), name='A_input')
A2 = layers.Dense(8, activation='???')(A1)
A3 = layers.Dense(30, activation='???', name='A_output')(A2)


B2 = layers.Dense(40, activation='???')(A2)
B3 = layers.Dense(30, activation='???', name='B_output')(B2)

## define A
A = models.Model(inputs=A1, outputs=A3)

## define B
B = models.Model(inputs=A1, outputs=B3) 

B.compile(optimizer='??',
          loss={'B_output': '??'}
          )

B.fit({'A_input': A_data},
  {'B_output': B_labels},
  epochs=??, batch_size=??)

그게 다야! 결과는 다음과 B.summary()같습니다 . :

Layer (type)                 Output Shape              Param    
A_input (InputLayer)         (None, 30)                0         
_________________________________________________________________
dense_8 (Dense)              (None, 8)                 248     
______________________________________________________________
dense_9 (Dense)              (None, 40)                360       
_________________________________________________________________
B_output (Dense)             (None, 30)                1230