合并层的Keras错误

Question

我正在尝试构建一个模型来为图像着色。我正在使用 LAB 色彩空间。模型的输入是 L 通道，模型将被训练以预测 A 和 B 通道。我想通过几个卷积运行 L 通道，然后将其拆分为另外两个独立计算 A 和 B 通道的模型。最后，我想将它们合并在一起以获得输出。

model = Sequential()
model.add(InputLayer((1, H, W)))

model.add(Convolution2D(64, 5, 5, border_mode = 'same', activation = 'relu'))
model.add(Convolution2D(64, 5, 5, border_mode = 'same', activation = 'relu'))
last = Convolution2D(64, 5, 5, border_mode = 'same', activation = 'relu')
model.add(last)

a_model = Sequential()
a_model.add(last)
a_model.add(Convolution2D(64, 5, 5, border_mode = 'same', activation = 'relu'))
a_model.add(Convolution2D(64, 5, 5, border_mode = 'same', activation = 'relu'))
a_model.add(Convolution2D(1, 3, 3, border_mode = 'same', activation = 'sigmoid'))

b_model = Sequential()
b_model.add(last)
b_model.add(Convolution2D(64, 5, 5, border_mode = 'same', activation = 'relu'))
b_model.add(Convolution2D(64, 5, 5, border_mode = 'same', activation = 'relu'))
b_model.add(Convolution2D(1, 3, 3, border_mode = 'same', activation = 'sigmoid'))

model.add(Merge((a_model, b_model), mode = 'concat'))

我在尝试创建合并层时收到以下错误。

Using Theano backend.
Using gpu device 0: GeForce GTX TITAN (CNMeM is disabled, cuDNN 5004)
Traceback (most recent call last):
  File "/home/chase/workspace/Colorizer/colorizer2.py", line 79, in <module>
    model.add(Merge((a_model, b_model), mode = 'concat'))
  File "/usr/local/lib/python3.5/dist-packages/keras/engine/topology.py", line 1118, in __init__
    self.add_inbound_node(layers, node_indices, tensor_indices)
  File "/usr/local/lib/python3.5/dist-packages/keras/engine/topology.py", line 524, in add_inbound_node
    assert len(node_indices) == len(inbound_layers)
AssertionError

我希望模型的输出为 (2, H, W)，其中 H 和 W 是图像的高度和宽度。

Answer 1

Sequential 模型不允许您在网络中创建分叉。请改用功能 API（Keras 1.0 中的新功能）。你可以关注this tutorial。