Keras 将 LSTM 模型与非 LSTM 模型连接起来答案

【问题标题】：Keras concatenate LSTM model with non-LSTM modelKeras 将 LSTM 模型与非 LSTM 模型连接起来
【发布时间】：2019-04-15 21:08:47
【问题描述】：

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：

【问题讨论】：

如果答案解决了您的问题，请接受点击答案旁边的复选标记将其标记为“已回答” - 请参阅What should I do when someone answers my question?

标签： python machine-learning keras concatenation lstm

【解决方案1】：

由于Dense layer is applied on the last axis of its input data，并且考虑到您为“Demo_data net”指定了(5,1) 的输入形状，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 网络”。要解决此问题，您可以使用 np.squeeze() 从 PAY_data 中删除多余的最后一个轴：

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)

【讨论】：