使用Python中的Keras将27个字段的输入连接到LSTM层的输出

Question

我有一个现有的LSTM模型，如下所示：

model_glove1 = Sequential()
model_glove1.add(Embedding(vocabulary_size, 25, input_length=50, weights=[embedding_matrix25],trainable=False))
model_glove1.add(LSTM(32))
model_glove1.add(Dense(128, activation='relu'))
model_glove1.add(Dense(64, activation='relu'))
model_glove1.add(Dense(1, activation='softmax'))
model_glove1.compile(loss='binary_crossentropy',optimizer='adam',metrics['accuracy',auc_roc])
model_glove1.fit(data, np.array(train_y), batch_size=32,
epochs=4,
verbose=1,
validation_split=0.1,
shuffle=True)

我想添加一个附加的辅助输入层，该输入层存在于27列的数据框中。我希望该层与LSTM层的输出连接在一起。可能吗 ？如果可以，我该如何实现？

Answer 1

在使用代码之前，请检查辅助输入的尺寸是否与LSTM层的输出相同。

此外，在model1_glove.fit（）函数中，您需要提供两个输入

1