Keras Sequential 模型的多个输入

Question

我正在尝试合并两个模型的输出，并使用 keras 顺序模型将它们作为输入提供给第三个模型。 模型1：

inputs1 = Input(shape=(750,))
x = Dense(500, activation='relu')(inputs1)
x = Dense(100, activation='relu')(x)

模型1：

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

模型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'))

直到这里，我的理解是，来自两个模型的输出，如 x 和 y 被合并并作为输入给第三个模型。但是当我适合这一切时，

module3.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
module3.fit([in1, in2], np_res_array)

in1 和 in2 是两个尺寸为 10000*750 的 numpy ndarray，其中包含我的训练数据，而 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' 据了解，这就是我们给模型提供多个输入的方式，但是这个错误是什么？我该如何解决？

Answer 1

您无法使用顺序API执行此操作。这是因为有两个原因：

1. 顺序模型，因为他们的名字表明，它们是一系列层，其中每个层直接连接到其前一层，因此它们不能具有分支（例如合并层，多个输入/输出层，跳过连接等） 。）。

2. add() 987654322 @顺序API方法接受Layer实例作为其参数，而不是Tensor实例。在您的榜样merged是一个张量（即替代层的输出）。

此外，使用Concatenate图层的正确方式如下：

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

但是，您还可以使用concatenate（注意小写“c”），其等效功能界面，如下所示：

merged = concatenate([x, y])

最后，能够构造第三型模型，您还需要使用functional API。