我正在用Keras构建一个5层的自编码器。我已经成功创建了一个从输入到输出的模型。我还成功构建了另一个从输入到潜在编码向量的模型。然而，当我尝试创建一个从潜在编码向量到输出的解码模型时，遇到了问题。

我知道首先应该为解码模型创建一个输入层，使其形状匹配，但我不知道如何将编码层的输出作为解码模型的输入，并使其从编码向量映射到最终层。

from keras.layers import Input, Densefrom keras.models import Modelfrom keras.datasets import mnistimport numpy as np(x_train, _), (x_test, _) = mnist.load_data()# 准备数据并标准化x_train = x_train.astype('float32') / 255.x_test = x_test.astype('float32') / 255.x_train = x_train.reshape(len(x_train), -1)x_test = x_test.reshape(len(x_test), -1)input_size = 784hidden_size = 128coded_size = 64x = Input(shape=(input_size,))hidden_1 = Dense(hidden_size, activation='relu')(x)coded =Dense(coded_size, activation='relu')(hidden_1)hidden_2 = Dense(hidden_size, activation='relu')(coded)r = Dense(input_size, activation='sigmoid')(hidden_2)autoencoder = Model(inputs=x, outputs=r)encoder = Model(inputs=x, outputs=coded)decoder_input = Input(shape=(coded_size,))  # 应该这样做，但不知道如何在下面连接decoder = Model(inputs=coded, output=r)

回答：

你可以这样做：

decoder_input = Input(shape=(coded_size,))next_input = decoder_input# 获取解码器层并连续应用for layer in autoencoder.layers[-2:]:    next_input = layer(next_input)decoder = Model(inputs=decoder_input, outputs=next_input)

顺便提一下，你的模型中没有h。我认为它必须被替换为coded。