[英]Python Keras Multiple Input Layers - How to Concatenate/Merge?
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。
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])
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。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.