Keras Sequential模型的多个输入

Question

我试图合并两个模型的输出，并使用keras顺序模型将它们作为第三个模型的输入。型号1：

inputs1 = Input(shape=(750,))
x = Dense(500, activation='relu')(inputs1)
x = Dense(100, activation='relu')(x)

型号1：

inputs2 = Input(shape=(750,))
y = Dense(500, activation='relu')(inputs2)
y = Dense(100, activation='relu')(y)

型号3：

merged = Concatenate([x, y])
final_model = Sequential()
final_model.add(merged)
final_model.add(Dense(100, activation='relu'))
final_model.add(Dense(3, activation='softmax'))

到此为止，我的理解是，将两个模型的输出合并为x和y，并将其作为第三个模型的输入。但是，当我适合这一切时，

module3.compile(optimizer='rmsprop', loss='categorical_crossentropy', metrics=['accuracy'])
module3.fit([in1, in2], np_res_array)

in1和in2是维度数为10000 * 750的numpy ndarray，其中包含我的训练数据，而np_res_array是相应的目标。 这给了我错误，因为'list'对象没有属性'shape'据我们所知，这就是我们如何为模型提供多个输入，但是这个错误是什么？我该如何解决？

Answer 1

您无法使用Sequential API执行此操作。这是因为两个原因：

1. 顺序模型，顾名思义，是一系列层，其中每层直接连接到其前一层，因此它们不能具有分支（例如，合并层，多个输入/输出层，跳过连接等）。
2. Sequential API的add()方法接受Layer实例作为其参数，而不是Tensor实例。在你的例子中，merged是Tensor（即连接层的输出）。

此外，使用Concatenate层的正确方法是这样的：

merged = Concatenate()([x, y])

但是，您也可以使用concatenate（注意小写“c”），它的等效功能接口，如下所示：

merged = concatenate([x, y])

最后，为了能够构建第三个模型，您还需要使用functional API。