Python Keras 多输入层 - 如何连接/合并？

Question

在python中，我试图在keras中使用Sequential构建一个神经网络模型来执行二进制分类。 请注意，X 是时间序列数据 59x1000x3（样本 x 时间步长 x 特征）的 numpy 数组，而 D 是 59x100（样本 x 辅助特征）的 numpy 数组。 我想通过 lstm 层传递时间序列，然后在后面的层中增加伴随的特征（即连接两个层）。

我适合模型的代码如下：

def fit_model(X, y, D, neurons, batch_size, nb_epoch):
    model = Sequential()
    model.add(LSTM(units = neurons, input_shape = (X.shape[1], X.shape[2]))
    model.add(Dropout(0.1))
    model.add(Dense(10))
    input1 = Sequential()
    d = K.variable(D)
    d_input = Input(tensor=d)
    input1.add(InputLayer(input_tensor=d_input))
    input1.add(Dropout(0.1))
    input1.add(Dense(10))
    final_model = Sequential()
    merged = Concatenate([model, input1])
    final_model.add(merged)
    final_model.add(Dense(1, activation='sigmoid'))
    final_model.compile(loss = 'binary_crossentropy', optimizer = 'adam')
    final_model.fit(X, y, batch_size = batch_size, epochs = nb_epoch)
    return final_model

我收到以下错误：

ValueError：应在至少 2 个输入的列表上调用Concatenate层

我尝试使用合并/连接/功能 api/而不是功能 api 的各种排列，但我一直遇到某种错误。 我已经看到使用来自 keras.engine.topology 的 Merge 的答案。 但是，它现在似乎已被弃用。 任何在使用 Sequential 或如何将代码转换为功能 API 时修复错误的建议将不胜感激。 谢谢。

Answer 1

您错误地将模型和输入作为 Concatenate 层的参数传递：

merged = Concatenate([model, input1])

尝试传递另一个输入层：

merged = Concatenate([input1, input2])

Answer 2

Concatenate仅采用一个参数，即串联轴。 要在另一个张量上调用该层，应在张量列表上调用连接的层对象。

merged = Concatenate(axis=-1)([model, input1])

这应该可以解决您的问题。