时间戳

首页 > 解决方案 > 如何使用功能 API 在 keras 中实现合并功能

python - 如何使用功能 API 在 keras 中实现合并功能

问题描述

print("Building model...")
ques1_enc = Sequential()
ques1_enc.add(Embedding(output_dim=64, input_dim=vocab_size, weights=[embedding_weights], mask_zero=True))
ques1_enc.add(LSTM(100, input_shape=(64, seq_maxlen), return_sequences=False))
ques1_enc.add(Dropout(0.3))

ques2_enc = Sequential()
ques2_enc.add(Embedding(output_dim=64, input_dim=vocab_size, weights=[embedding_weights], mask_zero=True))
ques2_enc.add(LSTM(100, input_shape=(64, seq_maxlen), return_sequences=False))
ques2_enc.add(Dropout(0.3))

model = Sequential()
model.add(Merge([ques1_enc, ques2_enc], mode="sum"))
model.add(Dense(2, activation="softmax"))

model.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["accuracy"])
print("Building model costs:", time.time() - start)

print("Training...")
checkpoint = ModelCheckpoint(filepath=os.path.join("C:/Users/", "quora_dul_best_lstm.hdf5"), verbose=1, save_best_only=True)
model.fit([x_ques1train, x_ques2train], ytrain, batch_size=32, epochs=1, validation_split=0.1, verbose=2, callbacks=[checkpoint])
print("Training neural network costs:", time.time() - start)

我想将上述代码转换为 keras 中的功能 API，因为不支持顺序 API Merge() 函数。我已经尝试了很长时间，但几乎没有错误。关于属性的详细信息：ques_pairs 包含预处理数据，word2index 包含字数，seq_maxlen 包含问题一或二的最大长度。我试图在 Quora Question Pair Dataset https://www.kaggle.com/c/quora-question-pairs上实现这个模型

标签： pythonkerasdeep-learninglstm

解决方案

我会给你一个小例子，你可以将它应用到你自己的模型中：

from keras.layers import Input, Dense, Add

input1 = Input(shape=(16,))
output1 = Dense(8, activation='relu')(input1)
output1 = Dense(4, activation='relu')(output1) # Add as many layers as you like like this

input2 = Input(shape=(16,))
output2 = Dense(8, activation='relu')(input2)
output2 = Dense(4, activation='relu')(output2) # Add as many layers as you like like this

output_full = Add()([output1, output2])
output_full = Dense(1, activation='sigmoid')(output_full) # Add as many layers as you like like this

model_full = Model(inputs=[input1, input2], outputs=output_full)

您需要首先Input为每个模型部件定义一个，然后向两个模型添加层（如代码所示）。然后您可以使用Add图层添加它们。最后，您调用Model输入层和输出层的列表。

model_full然后可以像任何其他模型一样编译和训练。

推荐阅读