3 개의 임베딩 레이어로 구성된 Keras 연결 레이어를 추출하지만 목록이 비어 있습니다.

하나의 단일 출력을 예측하기 위해 다중 입력 (실제로 3 개)이있는 Keras 분류 모델을 구성하고 있습니다. 특히 내 3 가지 입력 은 다음과 같습니다.

1. 배우
2. 줄거리 요약
3. 관련 영화 기능

산출:

1. 장르 태그

Python 코드 (다중 입력 케라 생성)

def kera_multy_classification_model():

    sentenceLength_actors = 15
    vocab_size_frequent_words_actors = 20001

    sentenceLength_plot = 23
    vocab_size_frequent_words_plot = 17501

    sentenceLength_features = 69
    vocab_size_frequent_words_features = 20001

    model = keras.Sequential(name='Multy-Input Keras Classification model')

    actors = keras.Input(shape=(sentenceLength_actors,), name='actors_input')
    plot = keras.Input(shape=(sentenceLength_plot,), name='plot_input')
    features = keras.Input(shape=(sentenceLength_features,), name='features_input')

    emb1 = layers.Embedding(input_dim = vocab_size_frequent_words_actors + 1,
                            # based on keras documentation input_dim: int > 0. Size of the vocabulary, i.e. maximum integer index + 1.
                            output_dim = Keras_Configurations_model1.EMB_DIMENSIONS,
                            # int >= 0. Dimension of the dense embedding
                            embeddings_initializer = 'uniform', 
                            # Initializer for the embeddings matrix.
                            mask_zero = False,
                            input_length = sentenceLength_actors,
                            name="actors_embedding_layer")(actors)
    encoded_layer1 = layers.LSTM(100)(emb1)

    emb2 = layers.Embedding(input_dim = vocab_size_frequent_words_plot + 1,
                            output_dim = Keras_Configurations_model2.EMB_DIMENSIONS,
                            embeddings_initializer = 'uniform',
                            mask_zero = False,
                            input_length = sentenceLength_plot,
                            name="plot_embedding_layer")(plot)
    encoded_layer2 = layers.LSTM(100)(emb2)

    emb3 = layers.Embedding(input_dim = vocab_size_frequent_words_features + 1,
                            output_dim = Keras_Configurations_model3.EMB_DIMENSIONS,
                            embeddings_initializer = 'uniform',
                            mask_zero = False,
                            input_length = sentenceLength_features,
                            name="features_embedding_layer")(features)
    encoded_layer3 = layers.LSTM(100)(emb3)

    merged = layers.concatenate([encoded_layer1, encoded_layer2, encoded_layer3])

    layer_1 = layers.Dense(Keras_Configurations_model1.BATCH_SIZE, activation='relu')(merged)

    output_layer = layers.Dense(Keras_Configurations_model1.TARGET_LABELS, activation='softmax')(layer_1)

    model = keras.Model(inputs=[actors, plot, features], outputs=output_layer)

    print(model.output_shape)

    print(model.summary())

    model.compile(optimizer='adam',
                  loss='sparse_categorical_crossentropy',
                  metrics=['sparse_categorical_accuracy'])

모델의 구조

내 문제:

일부 학습 데이터에서 모델을 성공적으로 피팅하고 학습 한 후 나중에 사용하기 위해이 모델의 임베딩을 추출하고 싶습니다. 다중 입력 keras 모델을 사용하기 전의 주요 접근 방식은 3 개의 서로 다른 keras 모델을 훈련하고 모양 100의 3 개의 서로 다른 임베딩 레이어를 추출하는 것이 었습니다. 이제 다중 입력 keras 모델 이 있으므로 출력 모양이 있는 연결된 임베딩 레이어를 추출하고 싶습니다 ( 없음, 300).

이 파이썬 명령을 사용하려고 할 때 :

embeddings = model_4.layers[9].get_weights()
print(embeddings)

또는

embeddings = model_4.layers[9].get_weights()[0]
print(embeddings)

빈 목록 (첫 번째 코드 샘플) 또는 IndenError : list index out of range (두 번째 코드 샘플)를 얻습니다 .

이 문제에 대한 조언이나 도움에 미리 감사드립니다. 이 질문을 더 완벽하게 만들기 위해 내가 놓친 추가 정보가 있으면 의견에 자유롭게 물어보십시오.

참고 : 이전에 답변 한이 질문에 Python 코드 및 모델 구조도 제시되었습니다.