Question

我目前正在使用MNIST数据集研究用于图像分析的神经网络模型。我首先仅使用图像来构建第一个模型。然后，我创建了一个附加变量，它是：数字实际在0到4之间时为0，大于或等于5时为1。

因此，我想构建一个模型，该模型可以获取以下两个信息：数字的图像和我刚刚创建的那个附加变量。

我创建了两个第一个模型，一个用于图像，一个用于外生变量，如下所示：

import tensorflow as tf
from tensorflow import keras


image_model = keras.models.Sequential()

#First conv layer :
image_model.add( keras.layers.Conv2D( 64, kernel_size=3,
                                               activation=keras.activations.relu,
                                      input_shape=(28, 28, 1) ) )

#Second conv layer :
image_model.add( keras.layers.Conv2D( 32, kernel_size=3, activation=keras.activations.relu ) )

#Flatten layer :
image_model.add( keras.layers.Flatten() )

print( image_model.summary(), '\n' )




info_model = keras.models.Sequential()

info_model.add( keras.layers.Dense( 5, activation=keras.activations.relu, input_shape=(1,) ) )

print( info_model.summary() )

然后，我想将两个最后的层连接起来，最后放置另一个带有softmax的密集层来预测类概率。

我知道使用Keras函数式API是可行的，但是如何使用tf.keras做到这一点呢？

Answer 1

您可以在TF中轻松使用Keras的功能性API（已通过TF 2.0测试）：

.submit()

哪个给您the model you are looking for.

用tensorflow.keras连接两个模型

1 个答案: