一尘不染

Keras顺序模型的多个输入

python

我正在尝试合并两个模型的输出,并使用keras顺序模型将它们作为第三模型的输入。型号1:

inputs1 = Input(shape=(750,))
x = Dense(500, activation='relu')(inputs1)
x = Dense(100, activation='relu')(x)

型号1:

inputs2 = Input(shape=(750,))
y = Dense(500, activation='relu')(inputs2)
y = Dense(100, activation='relu')(y)

型号3:

merged = Concatenate([x, y])
final_model = Sequential()
final_model.add(merged)
final_model.add(Dense(100, activation='relu'))
final_model.add(Dense(3, activation='softmax'))

直到这里,我的理解是,来自两个模型的输出x和y被合并并作为第三模型的输入。但是当我全都喜欢的时候

module3.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
module3.fit([in1, in2], np_res_array)

in1和in2是尺寸为10000 * 750的两个numpy ndarray,其中包含我的训练数据,而np_res_array是相应的目标。
这给了我错误,因为“列表”对象没有属性“形状” 据我们所知,这就是我们为模型提供多个输入的方式,但是这是什么错误呢?我该如何解决?


阅读 184

收藏
2021-01-20

共1个答案

一尘不染

您无法使用顺序API来执行此操作。这是因为两个原因:

  1. 顺序模型,顾名思义,是一系列的层,其中每个层都直接连接到其上一层,因此它们不能具有分支(例如,合并层,多个输入/输出层,跳过连接等)。

  2. add()顺序API的方法接受Layer实例作为其参数,而不接受Tensor实例。在您的示例中merged是张量(即连接层的输出)。

此外,使用Concatenate图层的正确方法是这样的:

merged = Concatenate()([x, y])

但是,您也可以使用concatenate(注意小写的“ c”)等效功能接口,如下所示:

merged = concatenate([x, y])

最后,要构建第三个模型,您还需要使用功能性API

2021-01-20