Keras从两个神经网络模型组成神经网络模型

Question

我正在使用Keras和Tensorflow来实现我的模型（M）。 让我们假设我有以下输入功能 F = {x，y，a1，a2，a3，...，an} 我想仅使用x和y构建深度模型（M1）。然后，具有所有剩余特征（a1，a2，...，an）的（M1）的输出将是另一个模型（M2）的输入。

x，y - ＆gt; M1 - ＆gt; z，a1，a2，...，an - ＆gt; M2 - ＆gt;最终输出

如何在Keras建立这样的模型？

Answer 1

使用Keras functional api。

我不清楚你是否想要第二个只接受第一个模型输出训练的模型，或者可以让两个模型联合训练的东西。

如果你的意思是分别训练M1和M2，那么假设x, y, a是你的输入ndarray，你可以这样做：

input_x = Input(shape=...)
input_y = Input(shape=...)

...

M1 = ... # your first model
m1_output = M1.output # assuming M1 outputs only one tensor

m2_input = Input(batch_shape=m1_output.shape) # the part that you can feed outputs from M1
m2_output = ...

M2 = Model(inputs=[m2_input,a], outputs=[m2_output])

你也可以同时训练这两个部分，然后it's also covered in Functional API's documentation。您需要像这样定义M2：

M2 = Model(inputs=M1.inputs + [a], outputs=M1.outputs + [m2_output])

当然，你必须相应地计算出损失。