Question

在Keras 2.2.4中工作

我有三个数据特征（feature1，feature2，feature3），它们对应于一组用户以及他们如何对某些项目进行排名。目前，我已经使用以下模型架构分别对它们进行了建模：

input_vecs = add([feature1_vec, user_vec])
nn = Dropout(0.5)(Dense(128, activation='relu')(input_vecs))
nn = BatchNormalization()(nn)
nn = Dropout(0.5)(Dense(128, activation='relu')(nn))
nn = BatchNormalization()(nn)
nn = Dense(128, activation='relu')(nn)
feature1result = Dense(9, activation='softmax')(nn)

feature1model = Model([feature1_input, user_input], feature1result)
featuremodel.compile('adam', 'categorical_crossentropy')

每个模型都具有相似的体系结构（每个模型都经过单独调整），并且输出的样式/形状相同。我想将这三个模型的初步结果放入新的图层，然后创建最终结果。

我想我可以分别运行这三个模型，获取它们的输出，然后使用如下结构将其输出到一个全新的（可能是顺序的）模型中：

model1 = load_model("feature1.h5")
model2 = load_model("feature2.h5")
model3 = load_model("feature3.h5")
merged_model = Sequential()
merged_model.add(merge([model1.layers[-1].output,model2.layers[-1].output,model3.layers[-1].output]))
merged_model.add(Dense(units = 9, activation='relu')) #or whatever units
merged_model.add(Dense(units = 12, activation='relu'))#or whatever units
merged_model.add(Dense(9, activation='softmax'))

但是，我想预先合并它们，因为这将使以后的模型管理更加轻松（即，仅更新一个大型模型而不是更新4个较小的模型）。

在执行compile()和fit()步骤之前，我该怎么做？

Answer 1

您需要使用功能性API来使用合并层。我希望这能给您带来想法：

input = Input( ... ) 
model1 = load_model("feature1.h5")
model2 = load_model("feature2.h5")
model3 = load_model("feature3.h5")

m1 = model1(input)
m2 = model2(input)
m3 = model3(input)
merged_model = merge([m1,m2,m3]) 
...

在编译或拟合之前合并keras模型？

1 个答案: