オートエンコーダーで抽出したものを，新たな入力値としたい

現在，以下のようにオートエンコーダーで45→10の次元削減を行っております．

python
1from keras.layers import Input, Dense
2from keras.models import Model
3import sklearn.model_selection
4import sklearn.datasets
5import numpy as np
6
7X = np.loadtxt('D:/X_data.csv' , delimiter = ",")
8Y = np.loadtxt('D:/Y_data.csv' , delimiter = ",")
9
10
11X_train , X_test , Y_train , Y_test = sklearn.model_selection.train_test_split(X ,Y , test_size = 0.3)
12
13X_train = X_train.astype('float32') / 255.
14X_test = X_test.astype('float32') / 255.
15X_train = X_train.reshape((len(X_train), np.prod(X_train.shape[1:])))
16X_test = X_test.reshape((len(X_test), np.prod(X_test.shape[1:])))
17
18
19
20encoding_dim = 10
21input_img = Input(shape=(45,))
22
23encoded = Dense(128, activation='relu')(input_img)
24encoded = Dense(64, activation='relu')(encoded)
25encoded = Dense(32, activation='relu')(encoded)
26
27decoded = Dense(64, activation='relu')(encoded)
28decoded = Dense(128, activation='relu')(decoded)
29decoded = Dense(45, activation='sigmoid')(decoded)
30
31autoencoder = Model(input=input_img, output=decoded)
32autoencoder.compile(optimizer='adam', loss='binary_crossentropy')
33autoencoder.fit(X_train, X_train,
34                nb_epoch=100,
35                batch_size=16,
36                shuffle=True,
37                validation_data=(X_test, X_test))

ここで得られた重みを用いて，特徴量を入力値にできるようなネットワークを構築したいです．

使用するネットワークは以下のようになります

python
1
2#Build the model
3
4import keras
5import numpy as np
6import sklearn.model_selection
7import sklearn.datasets
8
9#Load X,Y data
10
11X = np.loadtxt('D:/X_data.csv' , delimiter = ",")
12Y = np.loadtxt('D:/Y_data.csv' , delimiter = ",")
13
14X_train , X_test , Y_train , Y_test = sklearn.model_selection.train_test_split(X ,Y , test_size = 0.8)
15
16#NORMlIZE
17
18def normalizer(A):
19    M = np.reshape(A , (len(A) , -1))
20    M = M.astype('float32')
21    max = M.max(axis = 0)
22    min = M.min(axis = 0)
23    return (M - min) / (max - min)
24
25X_train = normalizer(X_train)
26X_test = normalizer(X_test)
27
28Y_train_logit = keras.utils.to_categorical(Y_train)
29Y_test_logit = keras.utils.to_categorical(Y_test)
30
31#check the shape of X,Y
32print(X_train)
33print(Y_train)
34

python
1
2#model fitting
3
4import keras
5import tensorflow as tf
6from keras.models import Sequential
7from keras.layers import Dense , Activation
8
9#Model_Layers
10
11m = tf.keras.models.Sequential([
12
13    tf.keras.layers.Dense(units=64, input_dim=len(X_train[0]), activation=tf.nn.relu),
14    tf.keras.layers.Dense(units=128, input_dim=len(X_train[0]), activation=tf.nn.relu),
15    tf.keras.layers.Dense(units=64, input_dim=len(X_train[0]), activation=tf.nn.relu),
16
17    tf.keras.layers.Dense(units=max(set(Y_train)) - min(set(Y_train)) + 1, activation=tf.nn.softmax)
18
19])
20
21
22m.compile(loss='sparse_categorical_crossentropy',
23              optimizer='sgd',
24              metrics=['accuracy'])
25
26#fittng,epochs
27m.fit(X_train , Y_train ,epochs = 100)
28

下のコードの部分の学習では，層を深くすると過学習が起きてしまったので，オートエンコーダーで事前学習をしてから再度学習をさせようと考えた次第であります．
つまり，現在は45次元のデータで学習させていますが，オートエンコーダーで10次元まで特徴を圧縮して，それをもとに学習させたいと考えております．
どのように特徴量を読み込み，入力値とするのかを教えていただきたいです．よろしくお願いします．