Keras 顺序模型的多个输入

Question

我正在尝试合并两个模型的输出，并使用 keras 顺序模型将它们作为第三个模型的输入。型号 1：

inputs1 = Input(shape=(750,))
x = Dense(500, activation='relu')(inputs1)
x = Dense(100, activation='relu')(x)

模型 1：

inputs2 = Input(shape=(750,))
y = Dense(500, activation='relu')(inputs2)
y = Dense(100, activation='relu')(y)

模型 3：

merged = Concatenate([x, y])
final_model = Sequential()
final_model.add(merged)
final_model.add(Dense(100, activation='relu'))
final_model.add(Dense(3, activation='softmax'))

到这里为止，我的理解是，两个模型的输出 x 和 y 被合并并作为第三个模型的输入。但是当我适应这一切时，

module3.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
module3.fit([in1, in2], np_res_array)

in1 和 in2 是两个 10000*750 的 numpy ndarray，其中包含我的训练数据，np_res_array 是相应的目标。
这给我错误，因为 'list' object has no attribute 'shape' 据了解，这是我们为模型提供多个输入的方式，但这个错误是什么？我该如何解决？

Answer 1

您不能使用顺序 API 执行此操作。这是因为两个原因：

序列模型，顾名思义，是一系列层，其中每一层都直接连接到它的前一层，因此它们不能有分支（例如合并层，多个 input/output层、跳过连接等）。
Sequential API 的 add() 方法接受 Layer 实例作为其参数，而不是 Tensor 实例。在你的例子中 merged 是张量（即连接层的输出）。

另外，Concatenate图层的正确使用方法是这样的：

merged = Concatenate()([x, y])

不过，你也可以使用concatenate（注意小写"c"），它的等效函数接口，像这样：

merged = concatenate([x, y])

最后，为了能够构建第三个模型，您还需要使用 functional API。

Keras 顺序模型的多个输入

Multiple inputs to Keras Sequential model

python

sequential

keras

tensorflow