tensorflow - 如何连接不通过层的输入
问题描述
我正在尝试创建一个具有三个输入的 Keras 模型。其中只有一个通过前几层,另外两个在密集层连接。在不断开图表的情况下如何实现这一点?代码如下所示
import keras
input_img = Input(shape=(784,))
input_1 = Input(shape=(1,))
input_2 = Input(shape=(1,))
x = (Dense(48,kernel_initializer='normal',activation="relu"))(input_img)
x = (Dropout(0.2))(x)
x = (Dense(24,activation="tanh"))(x)
x = (Dropout(0.3))(x)
x = (Dense(1))(x)
x = keras.layers.concatenate([x, input_1, input_2])
x = (Activation("sigmoid"))(x)
x = Model(input_img, x)
x.compile(loss="binary_crossentropy", optimizer='adam')
为了更全面地概述我正在尝试的内容,我实际上是在尝试创建一个卷积神经网络,并将附加特征添加到密集层以进行分类。
解决方案
由于您的模型具有三个输入,即input_img, input_1 and input_2
您需要在定义模型时传递这三个输入的列表,如下所示:
x = Model([input_img, input_1, input_2], x)
希望这可以帮助。
推荐阅读
- branch-prediction - 为什么不能在另一个过程中训练分支预测器。
- react-native - 如何在本机反应中永久获取移动设备(iOS和android)的uuid
- certificate - 具有多个帐户的 Twilio Push 凭据
- javascript - 没有为 emulateTransitionEnd 触发事件
- excel - Excel VBA 范围直到最后一个可用单元格
- android - 从 JSON 获取数据?
- python - pandas 和 numpy 的意思不同
- android - 奥利奥:阻止通知在滑动时被删除
- node.js - 将 Knex 与自己的 pg 连接池一起使用
- javascript - 在这个函数中使用递归