在python中，我试图在keras中使用Sequential构建一个神经网络模型来执行二进制分类 . 注意，X是时间序列数据59x1000x3（样本x时间步长x特征）的numpy数组，D是59x100的numpy数组（样本x辅助特征） . 我想通过一个lstm层传递时间序列，然后在后一层增加附带的功能（即连接两个层） .
我的代码适合模型如下：
def fit_model(X, y, D, neurons, batch_size, nb_epoch):
model = Sequential()
model.add(LSTM(units = neurons, input_shape = (X.shape[1], X.shape[2]))
model.add(Dropout(0.1))
model.add(Dense(10))
input1 = Sequential()
d = K.variable(D)
d_input = Input(tensor=d)
input1.add(InputLayer(input_tensor=d_input))
input1.add(Dropout(0.1))
input1.add(Dense(10))
final_model = Sequential()
merged = Concatenate([model, input1])
final_model.add(merged)
final_model.add(Dense(1, activation='sigmoid'))
final_model.compile(loss = 'binary_crossentropy', optimizer = 'adam')
final_model.fit(X, y, batch_size = batch_size, epochs = nb_epoch)
return final_model
我收到以下错误：
ValueError：应在至少2个输入的列表上调用Concatenate层
我尝试使用合并/连接/功能api /不是功能api的各种排列，但我继续着陆时遇到某种错误 . 我从keras.engine.topology看到了使用Merge的答案 . 但是，它现在似乎已被弃用 . 任何在使用Sequential时修复错误或如何将代码转换为功能API的建议都将受到赞赏 . 谢谢 .
1 回答
你使用Concatenate层的方式是错误的 .
Concatenate只接受一个作为连接轴的参数 . 要在另一个张量器上调用该层，您应该在张量列表上调用连接层对象 .这应该可以解决您的问题 .