Question

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)

Model1：

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

Model3：

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。但是当我很喜欢这一切时，

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。
由于“列表”对象没有属性“ shape”，因此出现了错误< / strong>据我们所知，这就是我们如何为模型提供多个输入，但是这是什么错误呢？我该如何解决？

Answer 1

您不能使用顺序API来执行此操作。这是由于两个原因：

顺序模型是一系列的层，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））。
Sequential API的add()方法接受一个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层的正确方法如下：

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

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

merged = concatenate([x, y])

最后，要构建第三个模型，您还需要使用functional API。

Keras顺序模型的多个输入

1 个答案: