[英]How to convert the following sequential model into a functional model in keras
我在 Keras 中使用以下順序模型。
model = Sequential()
model.add(LSTM(150, input_shape=(29,3)))
model.add(Dense(100))
model.add(Dropout(0.2))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
現在,我想在功能性 Keras 中編寫相同的模型。 我嘗試按如下方式進行。
input1 = Input(shape=(29,1))
x1 = LSTM(50)(input1)
input2 = Input(shape=(29,1))
x2 = LSTM(50)(input2)
input3 = Input(shape=(29,1))
x3 = LSTM(50)(input3)
x = concatenate([x1,x2,x3])
但是,我得到的結果完全不同。 所以,我在想我轉換原始順序模型的方式是不正確的。
如果需要,我很樂意提供更多詳細信息。
inputs = Input(shape=(29,3))
outputs = LSTM(150)(inputs)
outputs = Dense(100)(outputs)
outputs = Dropout(0.2)(outputs)
outputs = Dense(1, activation='sigmoid')(outputs)
model = Model(inputs, outputs)
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
聲明:本站的技術帖子網頁,遵循CC BY-SA 4.0協議,如果您需要轉載,請注明本站網址或者原文地址。任何問題請咨詢:yoyou2525@163.com.