Machine learning 如何在Keras模型中拆分输入

我试图在

keras

中做一些非常简单的事情，但没有成功。我有一个输入

X

，大小

（？，1452，1）

。我要做的就是把这个输入分成1450和2的向量，然后在网络中分别处理它们。我试过：

X1 = X[:, 1450:1452, :]

X2 = X[:, 0:1450, :]

然后我想做什么就做什么。它编译得很好，直到我创建模型的那一行。我得到一个错误，说我的张量对象没有任何名为

\u keras\u history

的属性，即使它有。我猜keras将X1和X2转换成正则张量。因此，我尝试通过以下方式使用

Lambda层

：

X1 = Lambda(lambda x: X[:, 0:1450, :], output_shape=(1450, 1))(X)

使用此工具后，网络编译和训练完全正常，唯一的问题是将模型保存到

json/yaml

。它在

copy.deepcopy

部分给了我一个错误，它说：

TypeError:无法pickle\u thread.lock对象。在网上研究之后

出于某种原因，我发现在将

Lambda层

保存到

json

时存在问题

---

问题：您知道有什么方法可以以正常方式分割输入，以便我以后保存模型吗？谢谢

请提供更多代码，说明第一步中发生错误的位置。如果有更多信息，则显示错误的stacktrace。您可以使用tf.slice吗？为什么不使用具有两个输入的模型？tf.slice与X[：，1，：]相同。。。我不知道有两个输入的模型。我试试看。谢谢在阅读了将多个输入输入输入到我的模型并调整代码之后，它似乎工作了。非常感谢你！我不知道解决办法这么简单