Question

我有一个带有两个文本字段的数据集，在进行标记化之后，我制作了两个顺序模型，试图合并或合并，但是合并时遇到错误。

我已经建立了两个顺序模型，并且尝试不使用Keras Functional API来合并它们。

# define the model
model1 = Sequential()
model1.add(Embedding(vocabulary_size_1, embedding_size, input_length=MAXLEN))
model1.add(Flatten())
model1.add(Dense(op_units, activation='softmax'))

# define the model
model2 = Sequential()
model2.add(Embedding(vocabulary_size_2, embedding_size, input_length=MAXLEN))
model2.add(Flatten())
model2.add(Dense(op_units, activation='softmax'))

merged = concatenate(axis=1)
merged_model=merged([model1.output, model2.ouput])

TypeError                                 Traceback (most recent call last)
<ipython-input-76-79cf08fec6fc> in <module>
----> 1 merged = concatenate(axis=1)
      2 merged_model=merged([model1.output, model2.ouput])

TypeError: concatenate() missing 1 required positional argument: 'inputs'

我期望不使用Keras Functional API的方法

Answer 1

concatenate()函数要求您指定要串联的模型。

merged = concatenate([model1,model2],axis=1)。但是，轴必须是axis = -1（您可以在yopur情况下使用任何合适的方法。）

您的代码可以通过以下功能方式进一步编写：

inputs = Input(shape=(vocabulary_size,embedding_size), dtype='float32')

model1=Embedding(vocabulary_size, embedding_size)(inputs)
model1=Flatten()(model1)
model1=Dense(op_units, activation='softmax')(model1)

model2=Embedding(vocabulary_size, embedding_size)(inputs)
model2=Flatten()(model2)
model2=Dense(op_units,activation='softmax')(model2)

merged = concatenate([model1,model2],axis=-1)

model=Model(inputs=inputs,outputs=merged)

Answer 2

model1.output和model2.output是张量。我假设两个模型共享相同的输入。有几种方法，这是Keras中解决这些模型的一种方法。您可以使用keras.layers.Concatenate和keras.models.Model：

inp = Input([MAXLEN,])
out = Concatenate()([model1(inp), model2(inp)])
model = Model(inp, out)

如果他们不共享相同的文本输入。您也可以通过以下方式做到这一点：

inp = [model1.input, model2.input]
out = Concatenate()([model1.output, model2.output])
model = Model(inp, out)

默认情况下，这会在最后一个维度上合并输出，恰好是相同的axis=1。

无论如何，串联softmax输出似乎很奇怪。如果有两个带有不同预测的不同文本，则需要两个输出。您不需要将它们串联起来。您可以将输出作为列表，而忽略串联：

inp = [model1.input, model2.input]
out = [model1.output, model2.output]
model = Model(inp, out)

如果您得到其他类型的输出（例如numpy数组），则情况有所不同。

如何使用Keras合并或连接两个顺序模型？

2 个答案: