Python 如何在keras中连接两个层？

我有一个两层神经网络的例子。第一层接受两个参数并有一个输出。第二层应采用第一层的一个参数和一个附加参数。应该是这样的：

x1  x2  x3
 \  /   /
  y1   /
   \  /
    y2

因此，我创建了一个包含两个层的模型，并试图合并它们，但它返回了一个错误：

顺序模型中的第一层必须获得一个“input\u shape”或“batch\u input\u shape”参数。

在

result.add（merged）

行上

型号：

first=Sequential（）
首先，添加（密集（1，输入_形=（2，），激活=（sigmoid'））
第二个=顺序（）
添加（密集（1，输入_形=（1，），激活=（sigmoid'））
结果=顺序（）
合并=连接（[第一，第二]）
ada_grad=Adagrad（lr=0.1，ε=1e-08，衰减=0.0）
结果.添加（合并）
编译（优化器=ada\u grad，loss=\u loss\u tensor，metrics=['accurity']）

之所以出现错误，是因为定义为

Sequential（）

的

result

只是模型的容器，而您尚未为其定义输入

给定您试图构建的内容，设置

结果

以获取第三个输入

x3

first=Sequential（）
首先，添加（密集（1，输入_形=（2，），激活=（sigmoid'））
第二个=顺序（）
添加（密集（1，输入_形=（1，），激活=（sigmoid'））
第三个=顺序（）
#当然，您必须为结果提供输入，这将是您的x3
第三，添加（密集（1，输入_形=（1，），激活=（sigmoid'））
#假设您在第一层和第二层上再添加几层。
#连接它们
合并=连接（[第一，第二]）
#然后连接两个输出
结果=连接（[合并，第三个]）
ada_grad=Adagrad（lr=0.1，ε=1e-08，衰减=0.0）
compile（优化器=ada\u grad，loss='binary\u crossentropy'，
指标=[‘准确度’]）

然而，我构建具有这种类型输入结构的模型的首选方法是使用

以下是您的需求实现，帮助您开始：

来自keras.models导入模型
从keras.layers导入连接、密集、LSTM、输入、连接
从keras.optimizers导入Adagrad
第一个输入=输入（形状=（2，））
第一个密集=密集（1，）（第一个密集输入）
第二个输入=输入（形状=（2，））
第二个密集=密集（1，）（第二个密集输入）
合并一=连接（[第一个密集，第二个密集]）
第三个输入=输入（形状=（1，））
合并两个=连接（[合并一个，第三个输入]）
模型=模型（输入=[第一个输入，第二个输入，第三个输入]，输出=合并两个）
ada_grad=Adagrad（lr=0.1，ε=1e-08，衰减=0.0）
compile（优化器=ada\u grad，loss='binary\u crossentropy'，
指标=[‘准确度’]）

回答评论中的问题：

结果和合并是如何连接的？假设你的意思是它们是如何连接的

串联的工作原理如下：

x1  x2  x3
 \  /   /
  y1   /
   \  /
    y2

abc
a b c g h i a b c g h i
d e f j k l d e f j k l

i、 e行刚刚连接起来

现在，

x1

被输入到第一个，

x2

被输入到第二个，

x3

被输入到第三个

---

您可以尝试使用

model.summary（）

（注意concatenate\u XX（concatenate）层的大小）

您可以在此处查看笔记本的详细信息：

---

添加到上述公认的答案中，以帮助使用

tensorflow 2.0的用户


导入tensorflow作为tf
#一些数据
c1=tf.constant（[[1,1,1]，[2,2,2]]，dtype=tf.float32）
c2=tf.常数（[[2,2,2]，[3,3,3]]，dtype=tf.float32）
c3=tf.constant（[[3,3,3]，[4,4,4]]，dtype=tf.float32）
#烘烤层x1、x2、x3
x1=tf.keras.致密层（10）（c1）
x2=tf.keras.致密层（10）（c2）
x3=tf.keras.layers.致密（10）（c3）
#合并层y1
y1=tf.keras.layers.Concatenate（轴=1）（[x1，x2]）
#合并层y2
y2=tf.keras.layers.Concatenate（轴=1）（[y1，x3]）
#打印信息
打印（“-”*30）
打印（“x1”，x1.形状，“x2”，x2.形状，“x3”，x3.形状）
打印（“y1”，y1.形状）
打印（“y2”，y2.形状）
打印（“-”*30）

结果:

------------------------------
x1 (2, 10) x2 (2, 10) x3 (2, 10)
y1 (2, 20)
y2 (2, 30)
------------------------------

答案第一部分的
result
和
merged
（或
merged2
）层是如何相互连接的？第二个问题。据我所知，
x1
和
x2
是
第一次输入的输入
，
x3
是
第三次输入的输入
。关于
第二个输入
？
第二个输入
通过一个
密集
层，并与
第一个输入
连接，后者也通过一个
密集
层
third_input
通过一个密集层，并与先前的连接结果连接（
merged
）@PutonSpectales使用函数API的第二种方法有效，但是，在Keras 2.0.2中，使用顺序模型的第一种方法不适用于我。我粗略地检查了实现，调用“Concatenate（[…]）没有什么作用，而且，您不能将其添加到序列模型中。实际上，我认为在他们更新Keras之前，仍然需要使用“Merge（[…]，'concat'）这种去擦亮的方法。你认为呢？Keras中的
Concatenate（）
层和
Concatenate（）
层之间有什么区别？Keras中的
Concatenate（）
层和
Concatenate（）
层之间有什么区别？你知道区别吗，一个是Keras类，另一个是tensorflow方法