合并具有不同输入的不同模型 Keras答案

【问题标题】：merge different models with different inputs Keras合并具有不同输入的不同模型 Keras
【发布时间】：2018-05-07 12:50:29
【问题描述】：

我想在 Keras 中用不同的输入维度训练两个不同的 Conv 模型。

我有：

 input_size=4
 input_sizeB=6

 model=Sequential()
 model.add(Conv2D(filters=10,input_shape= 
 (1,time_steps,input_size),kernel_size(24,3),activation='relu',data_format='channels_first',kernel_regularizer=regularizers.l2(0.001)))
 model.add(Flatten())
A= model.add(Dense(25, 
activation='tanh',kernel_regularizer=regularizers.l2(0.003)))

 model2=Sequential()
 model2.add(Conv2D(filters=10,input_shape= 
 (1,time_steps,input_sizeB),kernel_size(24,3),activation='relu',data_format='channels_first',kernel_regularizer=regularizers.l2(0.001)))
  model2.add(Flatten())
B= model2.add(Dense(25, 
activation='tanh',kernel_regularizer=regularizers.l2(0.003)))

现在我将合并两个 Conv 网络末端的两个密集层。

我该怎么办？

【问题讨论】：

标签： merge keras convolutional-neural-network

【解决方案1】：

使用Sequential API，您可以使用Merge 层（doc），如下所示：

merged_layer = Merge([model, model2], mode='concat') # mode='sum', 'ave', etc.
merged_model = Sequential()
merged_model.add(merged_layer)

请注意，这将引发警告（取决于您的版本，代码应该仍然有效），因为顺序 Merge 已被弃用。否则你可以考虑Functional API，它在这方面提供了更多的灵活性。 Keras 提供的几个预定义的 merge 层取决于您要使用的操作 (doc)。在下面找到一个例子：

merged_layer = Concatenate()([model.output, model2.output])
merged_model = Model([model.input, model2.input], merged_layer)

【讨论】：

好的，谢谢，但最后使用您的代码我收到错误：“ValueError：顺序模型中的第一层必须获得input_shape 或batch_input_shape 参数。”跨度>
我的错，我混合了 Sequential 和 Functional API。我更正了我的答案。
非常感谢，现在错误是：“Merge 层已弃用，将在 2017 年 8 月后删除。改用来自 keras.layers.merge 的层，例如 add、concatenate , etc. merge = Merge([model, model2,model3], mode='concat') # mode='sum', 'ave', etc. Traceback（最近一次调用最后）：文件“trainValidation_modelAmodelB.py”，行205、在中合并=Merge([model,model2,model3],mode='concat')#mode='sum','ave'等"
根据您的 Keras 版本，这应该只是警告而不是错误。如前所述，您应该考虑使用Functional API。如果有帮助，我在答案中添加了一个示例。
好的，谢谢。现在它可以工作了；但错误是 (dtype.name, repr(mismatch), type(mismatch).__name__)) TypeError: Expected int32, got list contains Tensors of type '_Message' 相反。