我正在尝试创建具有三个输入的Keras模型。它们中只有一个经过前几层,其他两层则连接在一个密集层上。在不断开图表的情况下如何实现?代码如下所示
import keras
input_img = Input(shape=(784,))
input_1 = Input(shape=(1,))
input_2 = Input(shape=(1,))
x = (Dense(48,kernel_initializer='normal',activation="relu"))(input_img)
x = (Dropout(0.2))(x)
x = (Dense(24,activation="tanh"))(x)
x = (Dropout(0.3))(x)
x = (Dense(1))(x)
x = keras.layers.concatenate([x, input_1, input_2])
x = (Activation("sigmoid"))(x)
x = Model(input_img, x)
x.compile(loss="binary_crossentropy", optimizer='adam')
为了更全面地介绍我的尝试,我实际上是在尝试创建一个卷积神经网络,并在密集层中添加其他功能以进行分类。
答案 0 :(得分:0)
由于模型具有三个输入,即input_img, input_1 and input_2
,因此您需要在定义模型时传递这三个输入的列表,如下所示:
x = Model([input_img, input_1, input_2], x)
希望这会有所帮助。