encoder，decoder不在用一个函数下定义

[laughing429]

您好，最近我也在研究encoder-decoder模型做机器翻译。我看了您的代码，有几个地方我有疑问。

1. 如果我在定义train_model和inference_model的时候没有放在用一个函数下，在keras里面是不是就不能保证模型中的参数是共享的？ 2.而且我想添加断点训练功能怎么办呢？因为train_model加载断点文件后，inference_model会直接受影响吗？

[pjgao]

如果是把train model保存到本地的话，再次训练，需要加载后重新从model里把encoder和decoder搭建好:

encoder_inputs = model.input[0] #input_1
encoder_outputs, state_h_enc, state_c_enc = model.layers[2].output # lstm_1
encoder_states = [state_h_enc, state_c_enc]
encoder_model = Model(encoder_inputs, encoder_states)

decoder_inputs = model.input[1] #input_2
decoder_state_input_h = Input(shape=(latent_dim,),name='input_3')
decoder_state_input_c = Input(shape=(latent_dim,),name='input_4')
decoder_states_inputs = [decoder_state_input_h, decoder_state_input_c]
decoder_lstm = model.layers[3]
decoder_outputs, state_h_dec, state_c_dec = decoder_lstm(
    decoder_inputs, initial_state=decoder_states_inputs)
decoder_states = [state_h_dec, state_c_dec]
decoder_dense = model.layers[4]
decoder_outputs=decoder_dense(decoder_outputs)

decoder_model = Model(
    [decoder_inputs] + decoder_states_inputs,
    [decoder_outputs] + decoder_states)

，再次训练的时候指定initial_epoch=last_train_epoch

model.fit([vec_encoder_input,vec_decoder_input],vec_decoder_output,batch_size=BATCH_SIZE,epochs=160,validation_split=0.2,initial_epoch=10)

[laughing429]

多谢哈。前两天我自己也想到了一个办法，就是在训练的时候我保存了权重文件，并且把模型都做了持久化。后面我重构模型的时候，我load_weights时，把by_name这个参数调为了True。

[pjgao]

不好意思回复这么晚，之前github竟然没给我提示有Issue，邮箱也没收到消息...

[laughing429]

没关系哈，客气了，哈哈。你是一直在研究机器翻译吗？我最近也还遇到一些其他问题

[pjgao]

我是做时间序列分析的，刚好遇到了文本数据就用seq2seq来处理的

[laughing429]

哦哦，了解。

[ChiuHsin]

多谢哈。前两天我自己也想到了一个办法，就是在训练的时候我保存了权重文件，并且把模型都做了持久化。后面我重构模型的时候，我load_weights时，把by_name这个参数调为了True。

您好，我最近也在做seq2seq，您说的这种方式我有使用，结果和直接训练完后接推断模型结果是不一样的，而且相差很远，您确定这么做是可行的吗？

[laughing429]

@ChiuHsin 这个我还没发现，不过你最后的结果是用的什么方式呢？是直接选取下一个概率最大的字，还是说全局的去考虑？

[ChiuHsin]

@laughing429 就按照keras example的例子中的那样，根据推断前一个字更新states_value来预测下一个字，预测出来字的概率选取概率最大的那个。您说的从全局考虑是怎么考虑呢？

[laughing429]

@ChiuHsin 就是用beam search的方法