我正在尝试将两个 Keras 模型合并为一个模型，但我无法做到这一点。
例如在附图中，我想获取中间层 维度为 8，并将其用作图层的输入 （再次为 8 维）在模型中 然后结合两个模型 和型号 作为一个单一的模型。
我正在使用功能模块来创建模型 和型号 独立。我怎样才能完成这项任务？
注意：是要建模的输入层和是要建模的输入层.
在 Keras 中合并两个不同的模型
数据挖掘
机器学习
Python
深度学习
喀拉斯
张量流
2021-10-11 20:44:59
2个回答
我想出了我的问题的答案，这是基于上述答案的代码。
from keras.layers import Input, Dense
from keras.models import Model
from keras.utils import plot_model
A1 = Input(shape=(30,),name='A1')
A2 = Dense(8, activation='relu',name='A2')(A1)
A3 = Dense(30, activation='relu',name='A3')(A2)
B2 = Dense(40, activation='relu',name='B2')(A2)
B3 = Dense(30, activation='relu',name='B3')(B2)
merged = Model(inputs=[A1],outputs=[A3,B3])
plot_model(merged,to_file='demo.png',show_shapes=True)
这是我想要的输出结构：
在 Keras 中，有一种有用的方法来定义模型：使用函数式 API。使用功能 API，您可以定义层的有向无环图，从而可以构建完全任意的架构。考虑到你的例子：
#A_data = np.zeros((1,30))
#A_labels = np.zeros((1,30))
#B_labels =np.zeros((1,30))
A1 = layers.Input(shape=(30,), name='A_input')
A2 = layers.Dense(8, activation='???')(A1)
A3 = layers.Dense(30, activation='???', name='A_output')(A2)
B2 = layers.Dense(40, activation='???')(A2)
B3 = layers.Dense(30, activation='???', name='B_output')(B2)
## define A
A = models.Model(inputs=A1, outputs=A3)
## define B
B = models.Model(inputs=A1, outputs=B3)
B.compile(optimizer='??',
loss={'B_output': '??'}
)
B.fit({'A_input': A_data},
{'B_output': B_labels},
epochs=??, batch_size=??)
就是这样了！您可以通过以下方式查看结果B.summary()：
Layer (type) Output Shape Param
A_input (InputLayer) (None, 30) 0
_________________________________________________________________
dense_8 (Dense) (None, 8) 248
______________________________________________________________
dense_9 (Dense) (None, 40) 360
_________________________________________________________________
B_output (Dense) (None, 30) 1230