Keras 如何使用自定义输入训练网关?
我正试图使用keras创建一个基于Bengio等人论文的混合支持向量机 我训练了两个svm分类器,其输出为svm1、svm2。我在下面编写了一个伪代码Keras 如何使用自定义输入训练网关?,keras,keras-layer,Keras,Keras Layer,我正试图使用keras创建一个基于Bengio等人论文的混合支持向量机 我训练了两个svm分类器,其输出为svm1、svm2。我在下面编写了一个伪代码 def mlp_model(svm1,svm2): model = Sequential() model.add(Dense(128, input_dim=54)) model.add(Activation('relu')) model.add(Merge([model, svm1, svm2], output_s
def mlp_model(svm1,svm2):
model = Sequential()
model.add(Dense(128, input_dim=54))
model.add(Activation('relu'))
model.add(Merge([model, svm1, svm2], output_shape=(2,), mode=merge_mode))
model.add(Activation('softmax'))
model.compile(loss='mean_squared_error', optimizer='adam', metrics=['accuracy'])
return model
def merge_mode(branches):
g, svm1, svm2 = branches
return K.transpose(K.transpose(svm1) * g[:, 0] + K.transpose(svm2) * g[:, 1])
我的问题
- 如何向模型中添加自定义输入。(在本例中,是来自svm专家的y_hats)