Keras 将 LSTM 模型与非 LSTM 模型连接起来

Question

我有两个数据。 一个是时间序列，另一个包含性、教育等特征，我想连接 LSTM 模型和密集模型的输出。 但是，我收到了一条错误消息（请看最后）。

这是数据的样子：

这是代码：

# PAY_data net
input1 = Input(shape=(6,1))
pay = LSTM(10)(input1)
pay = Dense(10, activation='relu')(pay)

# DEMO_data net
input2 = Input(shape=(5,1))
demo = Dense(10, activation='relu')(input2)
demo = Dense(10, activation='relu')(demo)

merge = concatenate([pay, demo])

hidden1 = Dense(10, activation='relu')(merge)

output = Dense(1, activation='sigmoid')(merge)
model = Model(inputs=[input1, input2], outputs=output)

print(model.summary())

model.compile(loss='binary_crossentropy', optimizer='adam', metrics=    ['accuracy'])

model.fit([PAY_data, DEMO_data], y,nb_epoch=20, batch_size=50, verbose=2, validation_split=0.2)

这是我得到的错误：

Answer 1

由于Dense 层应用于其输入数据的最后一个轴，并且考虑到您已为“Demo_data net”指定了(5,1)的输入形状，因此该模型的输出形状将为(None, 5, 10)因此它不能与输出形状为(None, 10)的“Pay_data net”的输出连接。 要解决此问题，您可以使用np.squeeze()从PAY_data删除冗余的最后一个轴：

PAY_data = np.squeeze(PAY_data)

并相应地设置输入形状：

input2 = Input(shape=(5,))  # now the input shape is (5,) and not (5,1)