Python 在Keras中合并2个序列模型

我正在尝试合并keras中的两个连续模型。代码如下：

model1 = Sequential(layers=[
    # input layers and convolutional layers
    Conv1D(128, kernel_size=12, strides=4, padding='valid', activation='relu', input_shape=input_shape),
    MaxPooling1D(pool_size=6),
    Conv1D(256, kernel_size=12, strides=4, padding='valid', activation='relu'),
    MaxPooling1D(pool_size=6),
    Dropout(.5),

])

model2 = Sequential(layers=[
    # input layers and convolutional layers
    Conv1D(128, kernel_size=20, strides=5, padding='valid', activation='relu', input_shape=input_shape),
    MaxPooling1D(pool_size=5),
    Conv1D(256, kernel_size=20, strides=5, padding='valid', activation='relu'),
    MaxPooling1D(pool_size=5),
    Dropout(.5),

])

model = merge([model1, model2], mode = 'sum')
Flatten(),
Dense(256, activation='relu'),
Dropout(.5),
Dense(128, activation='relu'),
Dropout(.35),
# output layer
Dense(5, activation='softmax')
return model

以下是错误日志：

文件 “/nics/d/home/dsawant/anaconda3/lib/python3.6/site packages/keras/backend/tensorflow_backend.py”， 第392行，在is_keras_张量中 raise VALUERROR（'意外找到类型为

'+str（类型（x））+'

'的实例）VALUERROR:意外找到类型为的实例 键入

。应为符号张量 例如

更多日志：

ValueError:调用层合并_1时使用的输入不是 符号张量。接收类型：类“keras.models.Sequential”。 完整输入：[keras.models.Sequential对象位于0x2b32d518a780， 0x2b32d521ee80]处的keras.models.Sequential对象。所有到 层应该是张量

---

如何合并这两个使用不同窗口大小的连续模型，并对其应用“max”、“sum”等函数？

使用函数API为您提供了所有可能性

使用函数API时，需要跟踪输入和输出，而不仅仅是定义层

定义一个层，然后用输入张量调用该层以获得输出张量。模型和层的调用方式完全相同

对于合并层，我更喜欢使用更直观的其他合并层，例如

Add（）

、

Multiply（）

和

Concatenate（）

from keras.layers import *

mergedOut = Add()([model1.output,model2.output])
    #Add() -> creates a merge layer that sums the inputs
    #The second parentheses "calls" the layer with the output tensors of the two models
    #it will demand that both model1 and model2 have the same output shape

同样的想法也适用于以下所有层。我们不断更新输出张量，将其提供给每一层，并获得新的输出（如果我们有兴趣创建分支，我们将为每个感兴趣的输出使用不同的var来跟踪它们）：

现在，我们已经创建了“路径”，现在是创建

模型的时候了。创建模型就像告诉输入张量的起始点和结束点一样：

from keras.models import Model

newModel = Model([model1.input,model2.input], mergedOut)
    #use lists if you want more than one input or output    

请注意，由于此模型有两个输入，因此必须在列表中使用两个不同的
X_training
vars对其进行训练：

newModel.fit([X_train_1, X_train_2], Y_train, ....)    


现在，假设您只需要一个输入，model1和model2都需要相同的输入

通过创建输入张量并将其输入到模型（我们将模型称为层），函数式API非常容易实现这一点：

在这种情况下，模型将考虑这个输入：

oneInputModel = Model(commonInput,mergedOut)

你需要合并两个模型的输出层，我认为你不能在keras中合并已编译的模型。你应该看看check:明白。我认为我们可以。值得一试。感谢链接编译不会影响任何关于创建/更改模型的事情。但是当你更改时，你必须重新编译以进行培训。（在keras中编译只是：“为训练设置优化器和损失函数”，没有别的）。如果你不打算训练，你甚至不需要“编译”一个模型，它可以做任何事情，包括预测，当它没有编译时，除了训练。因此，当我们想要合并两个模型时，我们不能将这两个模型声明为Sequential（）？我们必须使用函数式API。我在调用Concatenate（）时不断遇到我在问题中提到的错误。在这种情况下，我们不能使用Sequential（）。您可以保留序列模型，没有问题，但最终模型不能是序列的，这是不可行的。错误消息是关于：“调用层时，您没有传递张量"。您很可能正在传递模型。请注意我的答案中的
model1.output
和
model2.output
张量。---

model1是一个模型，而

model1.output

是一个张量。最终的模型是一个函数式

模型

，包含两个

顺序

模型和一些附加项我发现很难理解最后一部分。我正在用相同的训练数据训练我的两个模型。这是我的fit（）函数-

model.fit（[train\u data，train\u data]，train\u标签，batch\u size=256，epochs=5，validation\u data=（test\u数据，test\u标签），verbose=1，callbacks=callbacks）

我仍然收到一个错误，错误是：

ValueError：模型需要2个输入数组，但只收到一个数组。找到：形状为（1807，6000，1）的数组

可能是因为

验证\u数据

，它还需要两个输入，就像您对

训练\u数据所做的那样。
commonInput = Input(input_shape)

out1 = model1(commonInput)    
out2 = model2(commonInput)    

mergedOut = Add()([out1,out2])

oneInputModel = Model(commonInput,mergedOut)