Question

我试图在keras中合并2个连续模型。这是代码：

model1 = Sequential(layers=[
    # input layers and convolutional layers
    Conv1D(128, kernel_size=12, strides=4, padding='valid', activation='relu', input_shape=input_shape),
    MaxPooling1D(pool_size=6),
    Conv1D(256, kernel_size=12, strides=4, padding='valid', activation='relu'),
    MaxPooling1D(pool_size=6),
    Dropout(.5),

])

model2 = Sequential(layers=[
    # input layers and convolutional layers
    Conv1D(128, kernel_size=20, strides=5, padding='valid', activation='relu', input_shape=input_shape),
    MaxPooling1D(pool_size=5),
    Conv1D(256, kernel_size=20, strides=5, padding='valid', activation='relu'),
    MaxPooling1D(pool_size=5),
    Dropout(.5),

])

model = merge([model1, model2], mode = 'sum')
Flatten(),
Dense(256, activation='relu'),
Dropout(.5),
Dense(128, activation='relu'),
Dropout(.35),
# output layer
Dense(5, activation='softmax')
return model

以下是错误日志：

文件 “/nics/d/home/dsawant/anaconda3/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py” 第392行，在is_keras_tensor中提出ValueError（'意外地发现了类型为' + str(type(x)) + '的实例。'ValueError：意外地发现了一个实例输入<class 'keras.models.Sequential'>。期待象征性的张量实例

更多日志：

ValueError：使用不是a的输入调用图层merge_1 象征张量。收到类型：class'keras.models.Sequential'。完整输入：[keras.models.Sequential object at 0x2b32d518a780， keras.models.Sequential object at 0x2b32d521ee80]。所有输入到图层应该是张量。

如何合并使用不同窗口大小的这两个Sequential模型并将“max”，“sum”等函数应用于它们？

Answer 1

使用功能API 为您带来所有可能性。

使用功能API时，您需要跟踪输入和输出，而不仅仅是定义图层。

您定义了一个图层，然后使用输入张量调用图层以获得输出张量。模型和图层可以完全相同的方式调用。

对于合并图层，我更喜欢使用更直观的其他合并图层，例如Add()，Multiply()和Concatenate()。

from keras.layers import *

mergedOut = Add()([model1.output,model2.output])
    #Add() -> creates a merge layer that sums the inputs
    #The second parentheses "calls" the layer with the output tensors of the two models
    #it will demand that both model1 and model2 have the same output shape

同样的想法适用于以下所有层。我们不断更新输出张量，将其提供给每一层并获得新的输出（如果我们对创建分支感兴趣，我们将为每个感兴趣的输出使用不同的var来跟踪它们）：

mergedOut = Flatten()(mergedOut)    
mergedOut = Dense(256, activation='relu')(mergedOut)
mergedOut = Dropout(.5)(mergedOut)
mergedOut = Dense(128, activation='relu')(mergedOut)
mergedOut = Dropout(.35)(mergedOut)

# output layer
mergedOut = Dense(5, activation='softmax')(mergedOut)

现在我们创建了＆＃34;路径＆＃34;，现在是时候创建Model了。创建模型就像告诉它开始的输入张量以及结束的位置一样：

from keras.models import Model

newModel = Model([model1.input,model2.input], mergedOut)
    #use lists if you want more than one input or output

请注意，由于此模型有两个输入，因此您必须在列表中使用两个不同的X_training vars进行训练：

newModel.fit([X_train_1, X_train_2], Y_train, ....)

现在，假设您只想要一个输入，并且model1和model2都将采用相同的输入。

功能API通过创建输入张量并将其提供给模型（我们称模型就像它们是图层一样）非常容易：

commonInput = Input(input_shape)

out1 = model1(commonInput)    
out2 = model2(commonInput)    

mergedOut = Add()([out1,out2])

在这种情况下，模型会考虑这个输入：

oneInputModel = Model(commonInput,mergedOut)

在Keras合并2个连续模型

1 个答案: