Keras：如何使 Keras 训练层连接到合并层
Keras: how to make Keras train layers connected to merge layer
我对 Keras 中合并层的机制感到困惑。
例如，branch_left 是一个 Sequential() 模型，它包含两个 dense() 层，而 branch_right 是另一个 Sequential() 模型，它只有一个 dense()。然后有一个 merge() 层以 concatenate 的方式连接它们，我将 merge 层放入 Sequential() 模型 merged_model。因为我想从这两个 branch 模型中获取层中保存的名称或权重，所以我尝试调用 merged_model.layers 并发现第一层是 merge 层。
考虑到len(erge.get_weights())=0，有什么方法可以得到branch_left和branch_right中存在的图层吗？如果可能的话，那么我可以修改属于这些图层的属性。
我不确定将合并层放入顺序中是个好主意...
（顺序模型不支持分支）
最好的办法是创建功能性 API 模型：
from keras.models import Model
merged_model = Model([branch_left.input,branch_right.input],concatLayer.output)
我对 Keras 中合并层的机制感到困惑。
例如，branch_left 是一个 Sequential() 模型，它包含两个 dense() 层，而 branch_right 是另一个 Sequential() 模型，它只有一个 dense()。然后有一个 merge() 层以 concatenate 的方式连接它们，我将 merge 层放入 Sequential() 模型 merged_model。因为我想从这两个 branch 模型中获取层中保存的名称或权重，所以我尝试调用 merged_model.layers 并发现第一层是 merge 层。
考虑到len(erge.get_weights())=0，有什么方法可以得到branch_left和branch_right中存在的图层吗？如果可能的话，那么我可以修改属于这些图层的属性。
我不确定将合并层放入顺序中是个好主意...
（顺序模型不支持分支）
最好的办法是创建功能性 API 模型：
from keras.models import Model
merged_model = Model([branch_left.input,branch_right.input],concatLayer.output)