如何在keras中将以下顺序模型转换为函数模型答案

【问题标题】：How to convert the following sequential model into a functional model in keras如何在keras中将以下顺序模型转换为函数模型
【发布时间】：2019-11-28 03:15:02
【问题描述】：

我在 Keras 中使用以下顺序模型。

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'])

现在，我想在功能性 Keras 中编写相同的模型。我尝试按如下方式进行。

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，我得到的结果完全不同。所以，我认为我转换原始顺序模型的方式不正确。

如果需要，我很乐意提供更多详细信息。

【问题讨论】：

同款是什么意思？这是一个完全不同的模型，它有 3 个输入，而您的原始模型只有一个。
@MatiasValdenegro 是的，我认为这就是我遇到的问题。如何使用 keras 函数在我的顺序模型中定义输入？我期待您的来信:)

标签： python machine-learning keras deep-learning lstm

【解决方案1】：

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'])

【讨论】：