我想尝试一个关于自编码器的想法。模型结构如下：

input (图片) - conv2d - pooling - dense - dense(监督输出) - dense - conv - upsampling - output (图片)

是否可以训练神经网络，使其对dense(监督输出)和output (图片)都有期望的输出？换句话说，我希望实现一个分类器和反向过程的结合。

回答：

这可以通过Keras的函数式API来实现（https://keras.io/getting-started/functional-api-guide/）。

一个最小的示例，模型有两个输出，一个来自中间层，一个来自最终层：

import kerasinput = keras.layers.Input(shape=(3,))intermediate = keras.layers.Dense(10)(input)final_output = keras.layers.Dense(3)(intermediate)model = keras.Model(inputs=input, outputs=[intermediate, final_output])