如何解决Keras孪生网络的ValueError: Graph disconnected错误？

问题原因 #

你错误地尝试从完整孪生网络模型（siamese）中仅传入单个输入来获取merge_layer_1的输出，但该层依赖两个输入分支的结果；同时你实际需要的是嵌入网络的输出（即embedding_network的输出）而非合并层输出，这导致计算图断开，触发报错。

正确解决方案 #

方案1：直接使用预定义的嵌入网络（推荐）

你已经单独定义了embedding_network，它本身就是生成输入样本嵌入的专用模型，直接调用即可：

# 定义获取嵌入的函数
get_embedding = tf.keras.backend.function([embedding_network.input], [embedding_network.output])
# 示例：输入形状为(40,1)的样本，需扩展批量维度
sample = ... # 你的输入数据，形状(40,1)
embedding = get_embedding([sample.reshape(1,40,1)])[0]

方案2：从孪生网络中提取嵌入（若必须通过siamese模型）

如果需要从完整孪生网络中提取某一个分支的嵌入，需明确指定对应分支的输出层：

# 获取第一个输入分支的嵌入输出
get_embedding_from_siamese = tf.keras.backend.function([siamese.input[0]], [siamese.layers[2].output])
# 示例调用
sample = ... # 你的输入数据，形状(40,1)
embedding = get_embedding_from_siamese([sample.reshape(1,40,1)])[0]

注：siamese.layers[2]对应cnn_1层（即embedding_network对input_1的输出），可通过打印siamese.layers确认层索引是否准确。

原错误代码的问题点 #

你之前的代码tf.keras.backend.function([siamese.layers[0].input],[siamese.layers[-2].output])存在两个核心问题：

• siamese.layers[-2]是merge_layer_1，它需要两个输入分支的结果，仅传入siamese.layers[0].input（即input_1）无法满足依赖，导致计算图断开。
• 你实际需要的是嵌入（embedding_network的输出），而非合并层的输出。

内容的提问来源于stack exchange，提问作者user8034918