在 Keras 的密集层之前添加分类特征？答案

【问题标题】：Add categorical feature before the dense layer in Keras?在 Keras 的密集层之前添加分类特征？
【发布时间】：2017-07-27 17:07:54
【问题描述】：

我正在研究一个 CNN 模型，并希望在 Dense 层之前添加一个新的分类特征。我试图将特征连接到 CNN 层的扁平输出，但看起来 Keras 中的连接函数需要输入张量而不是数组。我应该怎么做？这是我到目前为止尝试过的代码：

model = Sequential()
model.add(Conv2D(128, (6, 6), padding='same'))
model.add(Activation('relu'))
model.add(Conv2D(128, (6, 6)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())

我正在尝试使用 Concatenate 函数，但它可以连接张量，因为我的特征是形状为 (1, 3) 的 numpy 数组。任何帮助将不胜感激。

【问题讨论】：

标签： python merge keras

【解决方案1】：

您应该在实际模型的一侧创建一个新模型。第二个模型将输入您的 numpy 数组并且不执行任何其他操作。

然后你将它们连接起来。

像这样 ->

m1 = Sequential()
m1.add(Conv2D(128, (6, 6), padding='same'))
m1.add(Activation('relu'))
m1.add(Conv2D(128, (6, 6)))
m1.add(Activation('relu'))
m1.add(MaxPooling2D(pool_size=(2, 2)))
m1.add(Dropout(0.25))
m1.add(Flatten())

m2 = Sequential()
m2.add(Input()) # Put needed infos to input your numpy array
#Don't forget to flatten it if needed ?

model = Sequential()
model.add(Merge([m1,m2], mode='concat'))
#Then add your final layer.
#To train it, in place of the normal var X_train, you'll use [X_train,yournumpyarray] in model.train method

【讨论】：

谢谢@Pusheen。我实际上在连接过程中感到困惑（它只连接张量）并且没有意识到输入函数将数组更改为张量。
没问题，我之前也遇到过类似的问题。如果可以，请不要犹豫，接受答案:)