Keras 序列模型的多个输入

Question

我正在尝试合并来自两个模型的输出，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)

型号 1 :

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

型号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，两个模型的输出作为 x 和 y 被合并并作为输入给第三个模型。 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 是两个维度为 10000*750 的 numpy ndarray，其中包含我的训练数据，np_res_array 是相应的目标。
这给了我错误，因为 'list' 对象没有属性 'shape'据我们所知，这就是我们向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 Sequential API 执行此操作。 这是因为两个原因：

1. 顺序模型，顾名思义，是一系列层，其中每一层都直接连接到其前一层，因此它们不能有分支（例如合并层、多个输入/输出层、跳过连接等）。

2. Sequential API 的add()方法接受一个Layer实例作为它的参数，而不是一个Tensor实例。 在您的示例中， merged是张量（即连接层的输出）。

此外， Concatenate层的正确使用方法是这样的：

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

但是，您也可以使用concatenate （注意小写的“c”），它的等效功能接口，如下所示：

merged = concatenate([x, y])

最后，为了能够构建第三个模型，您还需要使用功能 API 。