在Keras合并2个连续模型-Java 学习之路

我试图在keras中合并2个连续模型 . 这是代码：

model1 = Sequential(layers=[
    # input layers and convolutional layers
    Conv1D(128, kernel_size=12, strides=4, padding='valid', activation='relu', input_shape=input_shape),
    MaxPooling1D(pool_size=6),
    Conv1D(256, kernel_size=12, strides=4, padding='valid', activation='relu'),
    MaxPooling1D(pool_size=6),
    Dropout(.5),

])

model2 = Sequential(layers=[
    # input layers and convolutional layers
    Conv1D(128, kernel_size=20, strides=5, padding='valid', activation='relu', input_shape=input_shape),
    MaxPooling1D(pool_size=5),
    Conv1D(256, kernel_size=20, strides=5, padding='valid', activation='relu'),
    MaxPooling1D(pool_size=5),
    Dropout(.5),

])

model = merge([model1, model2], mode = 'sum')
Flatten(),
Dense(256, activation='relu'),
Dropout(.5),
Dense(128, activation='relu'),
Dropout(.35),
# output layer
Dense(5, activation='softmax')
return model

这是错误日志：

文件“/nics/d/home/dsawant/anaconda3/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py”，第392行，在is_keras_tensor中引发ValueError（'意外地发现了一个类型'str的实例（type（x））' . 'ValueError：意外地发现了一个类型为<class'keras.models.Sequential'>的实例 . 期望一个符号张量实例 .

更多日志：

ValueError：使用不是符号张量的输入调用图层merge_1 . 收到类型：class'keras.models.Sequential' . 完整输入：[keras.models.Sequential object at 0x2b32d518a780，keras.models.Sequential object at 0x2b32d521ee80] . 该层的所有输入都应该是张量 .

如何合并使用不同窗口大小的这两个Sequential模型并将“max”，“sum”等函数应用于它们？

1 回答

12
使用 functional API 为您带来所有可能性 .

使用功能API时，您需要跟踪输入和输出，而不仅仅是定义图层 .

您定义一个图层，然后使用输入张量调用图层以获得输出张量 . 模型和图层可以完全相同的方式调用 .

对于合并图层，我更喜欢使用更直观的其他合并图层，例如 Add() ， Multiply() 和 Concatenate() .
```
from keras.layers import *

mergedOut = Add()([model1.output,model2.output])
    #Add() -> creates a merge layer that sums the inputs
    #The second parentheses "calls" the layer with the output tensors of the two models
    #it will demand that both model1 and model2 have the same output shape
```
同样的想法适用于以下所有层 . 我们不断更新输出张量，将它提供给每一层并获得一个新输出（如果我们对创建分支感兴趣，我们将为每个感兴趣的输出使用不同的var来跟踪它们）：
```
mergedOut = Flatten()(mergedOut)    
mergedOut = Dense(256, activation='relu')(mergedOut)
mergedOut = Dropout(.5)(mergedOut)
mergedOut = Dense(128, activation='relu')(mergedOut)
mergedOut = Dropout(.35)(mergedOut)

# output layer
mergedOut = Dense(5, activation='softmax')(mergedOut)
```
现在我们创建了"path"，是时候创建 Model 了 . 创建模型就像告诉它开始的输入张量以及结束的位置：
```
from keras.models import Model

newModel = Model([model1.input,model2.input], mergedOut)
    #use lists if you want more than one input or output
```
请注意，由于此模型有两个输入，您必须在列表中使用两个不同的 X_training vars训练它：
```
newModel.fit([X_train_1, X_train_2], Y_train, ....)
```
现在，假设您只需要一个输入，并且model1和model2将采用相同的输入 .

功能API通过创建输入张量并将其提供给模型（我们称模型就像它们是图层一样）非常容易：
```
commonInput = Input(input_shape)

out1 = model1(commonInput)    
out2 = model2(commonInput)    

mergedOut = Add()([out1,out2])
```
在这种情况下，模型会考虑这个输入：
```
oneInputModel = Model(commonInput,mergedOut)
```
回复于 2024-05-06T18:59:15+08:00

在Keras合并2个连续模型

1 回答

相关问题