我正在尝试使用keras设计神经网络。与定义的图层相比，model.summary（）输出不同
close()model.summary（）输出
import numpy as np
np.random.seed(1337)
from keras.models import Model
from keras.layers import Input, Convolution2D, MaxPooling2D, Activation, Flatten, merge
from keras import backend as K
K.set_image_dim_ordering('th')
input_shape = (3, 225, 225)
inp = Input(input_shape)
seq0 = MaxPooling2D(pool_size=(2, 2), strides=(2, 2), border_mode="same")(inp)
seq1 = Convolution2D(32, 1, 1, border_mode="same", activation="relu")(seq0)
seq2 = Convolution2D(32, 1, 1, border_mode="same", activation="relu")(seq1)
seq3 = merge([seq2, seq1], mode="concat", concat_axis=1)
seq4 = Convolution2D(32, 1, 1, border_mode="same", activation="relu")(seq3)
seq5 = merge([seq1, seq3], mode="concat", concat_axis=1)
seq6 = Convolution2D(128, 5, 5, border_mode="same", activation="relu")(seq5)
seq7 = merge([seq4, seq3], mode="concat", concat_axis=1)
seq8 = Convolution2D(512, 3, 3, border_mode="same", activation="relu")(seq7)
seq9 = merge([seq5, seq2], mode="concat", concat_axis=1)
seq = Flatten()(seq9)
out = Activation('softmax')(seq)
model = Model(input=inp, output=out)
model.summary()
在model.summary（）输出中缺少seq4，seq6，seq8层。 我做错了吗？
答案 0 :(得分：2)
您没有使用它们来计算输出。
以seq4为例：你把它喂给seq7，它被送到seq8，它不会去任何地方。
您的模型树的结构存在问题。
在汇总的那个中，他们从output=out获取了导致input=inp的所有图层，未在该“路径”中使用的图层将不会成为图表的一部分你的模特
通过seq4，seq6，seq7和seq8的流量不会导致模型的输出。
这对你有帮助吗？
编辑：
合并层的功能类似于您的代码中的示例：
seq3 = merge([seq2, seq1], mode="concat", concat_axis=1)
在这里你从层seq2和seq1中得到的东西，它们有shapes = (None,32,113,113)。这是该层的输入，两个不同的张量来自seq2和seq1。
您精确地想要在轴1之后连接这些4D张量。
因此，该合并层的输出将为shape = (None,64,113,113)。在连接期间，两个32已被添加在一起。
您可以在model.summary()