#知りたいこと
2つの別々のモデルを同時に学習させる方法

やりたいこと

2つのモデルを用意し，学習の過程で各モデルがお互いの中間層出力の値を損失関数にいれ学習させたいです．
つまり，2つのモデルで相互作用しながら学習させたいということです．

#試したこと
下記のように2つのモデルA,B，自作の損失関数式を定義し，別々に学習させるということをしました．
ただ，このコードだと，モデルA→モデルBという順番で学習されてしまいます．
私は，順番ではなく同時に学習させていきたいと考えています．（損失関数は別々の関数を使いたいです）

python
1A_model.compile(optimizer='adam', loss=mylossfunc_A)
2B_model.compile(optimizer='adam', loss=mylossfunc_B)
3
4A_model.fit(a_train, a_test,
5				epochs=n_epoch,
6				batch_size=batch_size,
7				verbose=verbose,
8				shuffle=True,
9				validation_split=0.1,
10				)
11
12B_model.fit(b_train, b_test, 
13	 	       epochs=n_epoch,
14				batch_size=batch_size,
15				verbose=verbose,
16				shuffle=True,
17				validation_split=0.1,
18				)
19

coco_bauer

2019/07/02 05:50

「順番ではなく同時に学習させていきたいと考えています．（損失関数は別々の関数を使いたいです）」との事ですが、それをどのようにして実現するのかという方針は決まっているのですか？　２つの異なるモデルを学習させると、どのような挙動が出現すると予想しているのですか？　そして、そもそも何が問題なのですか？？？

cdg_26

2019/07/02 06:14

少し伝えづらいのですが，まず，このモデルを学習させる目的は，制御タスク（cartpoleなど)に対し転移学習の考えを基にして，タスクの状態値を学習するAutoEncoder, 行動値を学習するAutoEncoderを用意し，これらのモデルが制御タスクを解きやすい潜在変数空間へマッピングするように学習することです．つまり，複雑な（難易度の高い）制御タスクに対し，この2つのAutoEncoderモデルを使うことで学習しやすくしたいということです．（どういう潜在変数空間が学習しやすいのかという説明は長くなるので省略）そのために，この2つのモデルを同時に学習させる必要があります．（互いに依存関係があるため）方針に関しては，損失関数式等は決まっているので，2つのモデルを同時に学習させる方法がわかれば解決という感じです．