Keras由两个神经网络模型组成的神经网络模型

Question

我在Tensorflow中使用Keras来实现我的模型（M）。 假设我具有以下输入特征F = {x，y，a1，a2，a3，...，an}我想仅使用x和y建立深层模型（M1）。 然后，具有所有其余特征（a1，a2，...，an）的（M1）的输出将是另一个模型（M2）的输入。

x，y-> M1-> z，a1，a2，...，an-> M2->最终输出

我如何在Keras中建立这样的模型？

Answer 1

使用Keras功能性api 。

对我来说，这还不是很清楚，您是要拥有仅在第一个模型的输出上进行训练的第二个模型，还是可以使两个模型一起进行训练的东西。

如果要分别训练M1和M2，则假设x, y, a是输入ndarray ，则可以执行以下操作：

input_x = Input(shape=...)
input_y = Input(shape=...)

...

M1 = ... # your first model
m1_output = M1.output # assuming M1 outputs only one tensor

m2_input = Input(batch_shape=m1_output.shape) # the part that you can feed outputs from M1
m2_output = ...

M2 = Model(inputs=[m2_input,a], outputs=[m2_output])

您还可以同时训练两个部分，然后在Functional API的文档中也进行了介绍 。 您需要像这样定义M2：

M2 = Model(inputs=M1.inputs + [a], outputs=M1.outputs + [m2_output])

当然，您必须相应地计算出损失。