Python 属性错误：'；顺序'；无属性'；获得u形'；合并模型时

我试图创建两个连续的模型（每个模型都基于不同的数据集-不同的图像进行训练）。然后，我想取它们输出的平均值，并添加一个softmax层，以基于两个连续模型为基础提供单个分类输出。下面是我的代码，但我得到一个属性错误，它说“Sequential”对象没有属性“get_shape”

完整错误代码为：

Traceback (most recent call last):
  File "Mergedmodels.pyu", line 135, in <module>
   merged = average ([modelo, modelN1])
  File "G:\Anaconda\lib\site-packages\keras\layers\merge.py", line 481, in average
   return Average(**kwargs)(inputs)
  File "G:\Anaconda\lib\site-packages\keras\engine\topology.py", line 542, in _ call_input_shapes.append(K.int_sshape(x_elem))
  File "G:\Anaconda\lib\site-packages\keras\backend\tensorflow_backend.py", line 411, in int_shape
    shape = x.get_shape()
  AttributeError: 'Sequential' object has no attribute 'get_shape'

---

这种组合顺序模型的方法在Keras2.0中似乎不起作用 因为作用于张量而不是层。这就是错误消息的原因，该错误消息表示顺序模型没有

get\u shape（）

方法<代码>获取形状（）仅存在于张量上

下面是一个复制错误的示例：

mod1 = Sequential()
mod1.add(Dense(1, input_shape=(10,)))

mod2 = Sequential()
mod2.add(Dense(1, input_shape=(10,)))

avg = average([mod1, mod2]) # throws AttributeError 

解决这个问题的一个简单方法是使用 两个模型的输出，然后进行softmax层。例如：

X1 = np.random.rand(10, 10)
X2 = np.random.rand(10, 10)
Y  = np.random.choice(2, 10) 

mod1 = Sequential()
mod1.add(Dense(16, input_shape=(10,)))

mod2 = Sequential()
mod2.add(Dense(16, input_shape=(10,)))

# so use the outputs of the models to do the average over 
# this way we do averaging over tensor __not__ models.
avg = average([mod1.output, mod2.output])
dense = Dense(1, activation="sigmoid")(avg)

# the two inputs are the inputs to the sequential models
# and the output is the dense layer
mod3 = Model(inputs=[mod1.input, mod2.input], outputs=[dense])
mod3.compile(loss='binary_crossentropy',  optimizer='sgd')
mod3.fit([X1, X2], Y)

---

这种组合顺序模型的方法在Keras2.0中似乎不起作用 因为作用于张量而不是层。这就是错误消息的原因，该错误消息表示顺序模型没有

get\u shape（）

方法<代码>获取形状（）仅存在于张量上

下面是一个复制错误的示例：

mod1 = Sequential()
mod1.add(Dense(1, input_shape=(10,)))

mod2 = Sequential()
mod2.add(Dense(1, input_shape=(10,)))

avg = average([mod1, mod2]) # throws AttributeError 

解决这个问题的一个简单方法是使用 两个模型的输出，然后进行softmax层。例如：

X1 = np.random.rand(10, 10)
X2 = np.random.rand(10, 10)
Y  = np.random.choice(2, 10) 

mod1 = Sequential()
mod1.add(Dense(16, input_shape=(10,)))

mod2 = Sequential()
mod2.add(Dense(16, input_shape=(10,)))

# so use the outputs of the models to do the average over 
# this way we do averaging over tensor __not__ models.
avg = average([mod1.output, mod2.output])
dense = Dense(1, activation="sigmoid")(avg)

# the two inputs are the inputs to the sequential models
# and the output is the dense layer
mod3 = Model(inputs=[mod1.input, mod2.input], outputs=[dense])
mod3.compile(loss='binary_crossentropy',  optimizer='sgd')
mod3.fit([X1, X2], Y)

---

在哪一行抛出属性错误？在第135行：合并=平均（[modelo，modelN1]）在哪一行抛出属性错误？在第135行：合并=平均（[modelo，modelN1]）谢谢！你能给我指一个使用函数API的好教程吗？我还没有用过它。很高兴我能提供帮助，keras文档上有一些好的教程：这里是一个链接。我在回答中也提到了这一点。如果这个答案帮助了你，记得接受它，这样它可以帮助其他人获得keras文档，这个链接帮助我了解了如何创建keras模型，加入模型，只培训模型的一部分，等等：谢谢！非常感谢。你能给我指一个使用函数API的好教程吗？我还没有用过它。很高兴我能提供帮助，keras文档上有一些好的教程：这里是一个链接。我在回答中也提到了这一点。如果这个答案帮助了你，记得接受它，这样它可以帮助其他人获得keras文档，这个链接帮助我了解了如何创建keras模型，加入模型，只培训模型的一部分，等等：谢谢！