在Keras中合并2个顺序模型

Question

我试图合并keras中的2个顺序模型。下面是代码：

model1 = Sequential(layers=[ 
    # input layers and convolutional layers 
    Conv1D(128, kernel_size=12, strides=4, padding='valid', activation='relu', input_shape=input_shape), 
    MaxPooling1D(pool_size=6), 
    Conv1D(256, kernel_size=12, strides=4, padding='valid', activation='relu'), 
    MaxPooling1D(pool_size=6), 
    Dropout(.5), 

]) 

model2 = Sequential(layers=[ 
    # input layers and convolutional layers 
    Conv1D(128, kernel_size=20, strides=5, padding='valid', activation='relu', input_shape=input_shape), 
    MaxPooling1D(pool_size=5), 
    Conv1D(256, kernel_size=20, strides=5, padding='valid', activation='relu'), 
    MaxPooling1D(pool_size=5), 
    Dropout(.5), 

]) 

model = merge([model1, model2], mode = 'sum') 
Flatten(), 
Dense(256, activation='relu'), 
Dropout(.5), 
Dense(128, activation='relu'), 
Dropout(.35), 
# output layer 
Dense(5, activation='softmax') 
return model 

以下是错误日志：

File "/nics/d/home/dsawant/anaconda3/lib/python3.6/site-packages/keras/backend/tensorflow_backend.py", line 392, in is_keras_tensor raise ValueError('Unexpectedly found an instance of type ' + str(type(x)) + ' . ' ValueError: Unexpectedly found an instance of type <class 'keras.models.Sequential'> . Expected a symbolic tensor instance.

一些更多的日志：

ValueError: Layer merge_1 was called with an input that isn't a symbolic tensor. Received type: class 'keras.models.Sequential'. Full input: [keras.models.Sequential object at 0x2b32d518a780, keras.models.Sequential object at 0x2b32d521ee80]. All inputs to the layer should be tensors.

我如何可以合并使用不同的窗口大小这2个连续的模型和像'最大'，'总和'等功能应用于他们？

Answer 1

使用功能API为您带来所有可能性。

使用功能性API时，您需要跟踪输入和输出，而不是仅定义图层。

您定义了一个图层，然后用输入张量调用该图层以获得输出张量。模型和图层可以用完全相同的方式调用。

对于合并层，我更喜欢使用更直观的其他合并层，例如Add()，Multiply()和Concatenate()。

from keras.layers import * 

mergedOut = Add()([model1.output,model2.output]) 
    #Add() -> creates a merge layer that sums the inputs 
    #The second parentheses "calls" the layer with the output tensors of the two models 
    #it will demand that both model1 and model2 have the same output shape 

这同样的想法适用于所有以下层。我们不断更新输出张给它的每一层并获得一个新的输出（如果我们有兴趣在创建新的分支，我们会使用不同的变种每个感兴趣的输出来跟踪他们的）：

mergedOut = Flatten()(mergedOut)  
mergedOut = Dense(256, activation='relu')(mergedOut) 
mergedOut = Dropout(.5)(mergedOut) 
mergedOut = Dense(128, activation='relu')(mergedOut) 
mergedOut = Dropout(.35)(mergedOut) 

# output layer 
mergedOut = Dense(5, activation='softmax')(mergedOut) 

现在我们创建了“路径”，现在是创建Model的时候了。创建模型只是像对在其输入张量它开始和它的尽头：

from keras.models import Model 

newModel = Model([model1.input,model2.input], mergedOut) 
    #use lists if you want more than one input or output  

注意，因为这种模式有两个输入端，你在列表中有两个不同的X_training瓦尔训练它：

newModel.fit([X_train_1, X_train_2], Y_train, ....)  

---

现在，假设你想只有一个输入，并且都MODEL1和MODEL2将采取相同的输入。

功能API允许很容易地创建一个输入张量并将其进料模型（我们称之为模型，好像他们是层）：

commonInput = Input(input_shape) 

out1 = model1(commonInput)  
out2 = model2(commonInput)  

mergedOut = Add()([out1,out2]) 

在这种情况下，模型会认为这输入：

oneInputModel = Model(commonInput,mergedOut)