Merge 合并具有不同输入的不同模型

我想在Keras中使用不同的输入维度来训练两个不同的Conv模型

我有：

 input_size=4
 input_sizeB=6

 model=Sequential()
 model.add(Conv2D(filters=10,input_shape= 
 (1,time_steps,input_size),kernel_size(24,3),activation='relu',data_format='channels_first',kernel_regularizer=regularizers.l2(0.001)))
 model.add(Flatten())
A= model.add(Dense(25, 
activation='tanh',kernel_regularizer=regularizers.l2(0.003)))

 model2=Sequential()
 model2.add(Conv2D(filters=10,input_shape= 
 (1,time_steps,input_sizeB),kernel_size(24,3),activation='relu',data_format='channels_first',kernel_regularizer=regularizers.l2(0.001)))
  model2.add(Flatten())
B= model2.add(Dense(25, 
activation='tanh',kernel_regularizer=regularizers.l2(0.003)))

现在，我将合并两个Conv网络末端的两个密集层

我该怎么做？

使用顺序API，可以按如下方式使用合并层：

合并层=合并[model，model2]，mode='concat'mode='sum'，ave'等。 合并模型=顺序 合并的\u模型。添加合并的\u层 请注意，这将根据您的版本引发一个警告，因为顺序合并正在被弃用，所以代码应该仍然有效。您可以考虑函数API，它在CF方面提供了更多的灵活性。根据您要使用的操作，几个预定义的合并层KARS提供了。下面是一个例子：

合并的_层=连接[model.output，model2.output] 合并的\u模型=模型[model.input，model2.input]，合并的\u层

---

好的，谢谢你，但是使用你的代码最后我收到了错误：ValueError：顺序模型中的第一层必须得到一个input\u形状或batch\u input\u形状参数。我的错，我混合了顺序和函数API。我更正了我的答案。非常感谢，现在的错误是：合并层已弃用，将在2017年8月后删除。改为使用keras.layers.merge中的层，例如添加、连接等。merged=merge[model，model2，model3]，mode='concat'mode='sum'，'ave'等。根据您的keras版本，回溯最后一次调用：File trainValidation_modelamodel.py，第205行，in merged=merge[model，model2，model3]，mode='concat'mode='sum='sum'，'ave'等，这应该只是一个警告，而不是一个错误。如前所述，您应该考虑函数API。如果有帮助的话，我在答案中添加了一个例子。好的，谢谢。现在它起作用了；但是错误是dtype.name，reprmismatch，typemismatch.\uuuuu name\uuuuuuu TypeError:应为int32，但获取的列表包含类型为“\u Message”的张量。