Keras共享层批量更新：样本如何混合_Keras

Keras共享层批量更新：样本如何混合

keras

Keras共享层批量更新：样本如何混合,keras,Keras,我通过函数API和model.train_on_批处理选项使用keras共享层，即 dense_layer = Dense(10, name='dense_1') out1 = dense_layer(input1) out2 = dense_layer(input2) model = Model(input=[input1,input2],output=[out1,out2]) ... model.train_on_batch([x1,x2],[y1,y2]) 问题是：如果我执行model.

我通过函数API和model.train_on_批处理选项使用keras共享层，即

dense_layer = Dense(10, name='dense_1')
out1 = dense_layer(input1)
out2 = dense_layer(input2)
model = Model(input=[input1,input2],output=[out1,out2])
...
model.train_on_batch([x1,x2],[y1,y2])

问题是：如果我执行model.train_on_batch（），样本（x1，y1）、（x2，y2）是如何混合的

它们是简单地沿着第一个轴连接还是随机混合？

答案是，两者都不是。使用您发布的代码，根据：

x1

将作为第一个输入-

densite\u层传递。在（0）处获取\u input\u shape\u

并生成第一个输出

densite\u层。在（0）处获取\u output\u

x2

将作为第二个输入传递-

密集\u层。在（1）处获取\u输入\u形状\u

并生成第二个输出

密集\u层。在（1）处获取\u输出\u

事实上，据我所知，这个模型相当于训练

密集层

，将

x1

和

x2

串联起来，并使用单个输入/输出（无

input2

和

output2

）

您可以使用一个模型将两个输出减少为一个输出。有不同的合并模式，

concat

是其中之一。