如何在 Keras 顺序模型中连接三层？ [复制]答案

【问题标题】：How can I concatenate three layers in a Keras sequential model? [duplicate]如何在 Keras 顺序模型中连接三层？ [复制]
【发布时间】：2021-07-08 04:10:51
【问题描述】：

我想在我的 Keras 顺序模型中连接三层。有没有办法这样做？我想将它们与axis=2 连接起来。

Here is how the model summary looks like for now.

这里是代码。

model = Sequential()
model.add(keras.layers.InputLayer(input_shape=(seq_len, n_inputs)))
model.add(keras.layers.Conv1D(input_shape=(None, n_inputs,seq_len), filters=N_CONV_A, padding='same',kernel_size=F_CONV_A, strides=1, activation='relu'))
model.add(keras.layers.Conv1D(input_shape=(None, n_inputs,seq_len), filters=N_CONV_B, padding='same',kernel_size=F_CONV_B, strides=1, activation='relu'))
model.add(keras.layers.Conv1D(input_shape=(None, n_inputs,seq_len), filters=N_CONV_C, padding='same',kernel_size=F_CONV_C, strides=1, activation='relu'))

【问题讨论】：

“连接图层”是什么意思。你的意思是要把三层的输出串联起来？
嗨，Aditya，是的，我愿意。很抱歉没有早点澄清。
简单的顺序模型，仅限于一个输入和一个输出，顾名思义，您可以按顺序排列层。如果您有 3 层并行且输入相同，则应使用功能 API 或模型子类化。

标签： python tensorflow keras concatenation

【解决方案1】：

顺序模型无法管理连接，因为连接的层是相对于其输入并行计算的。

在顺序模型中，一层的输出成为下一层的输入，而连接需要对许多层使用相同的输入。

在这种情况下，您应该使用Functional API 或Model subclassing。

例如使用函数式 API 代码变成了

inputs = keras.layers.Input(shape=(n_inputs, seq_len))
convA = keras.layers.Conv1D(input_shape=(None, n_inputs, seq_len),filters=N_CONV_A, padding='same',kernel_size=F_CONV_A, strides=1, activation='relu')
convB = keras.layers.Conv1D(input_shape=(None, n_inputs, seq_len),filters=N_CONV_B, padding='same',kernel_size=F_CONV_B, strides=1, activation='relu')
convC = keras.layers.Conv1D(input_shape=(None, n_inputs, seq_len),filters=N_CONV_C, padding='same',kernel_size=F_CONV_C, strides=1, activation='relu')
concat = keras.layers.Concatenate(axis=-1)
out = concat([convA(inputs), convB(inputs), convC(inputs)])

注意：您的代码中的input_shape与预期的不一致。

【讨论】：