将扁平化输出与keras python和其他数据集连接起来

有2个数据集，对于第一个数据集，我想应用卷积并保留展平层的结果，然后将其与另一个数据集连接，并做一个简单的前馈，这可能与keras有关吗

def build_model(x_train,y_train):
    np.random.seed(7)

    left = Sequential()

    left.add(Conv1D(nb_filter= 6, filter_length=3, input_shape= (48,1),activation = 'relu', kernel_initializer='glorot_uniform'))
    left.add(Conv1D(nb_filter= 6,  filter_length=3, activation= 'relu'))
    #model.add(MaxPooling1D())
    print model
    #model.add(Dropout(0.2))
    # flatten layer 
    #https://www.quora.com/What-is-the-meaning-of-flattening-step-in-a-convolutional-neural-network
    left.add(Flatten())


    left.add(Reshape((48,1)))
    right = Sequential()

    #model.add(Reshape((48,1)))
# Compile model

    model.add(Merge([left, right], mode='sum'))
    model.add(Dense(10, 10))
    epochs = 100
    lrate = 0.01
    decay = lrate/epochs
    sgd = SGD(lr=lrate, momentum=0.9, decay=decay, nesterov=False)
              #clipvalue=0.5)
    model.compile(loss='mean_squared_error', optimizer='Adam')
    model.fit(x_train,y_train, nb_epoch =epochs, batch_size=10, verbose=1)

    #model.compile(loss='categorical_crossentropy', optimizer=sgd, metrics=['accuracy'] , )

    return model

你需要看一下地图。您正在使用的顺序模型不是为接受多个网络输入而设计的。

---

按照多输入和多输出模型的例子，你会有它的工作在任何时候

我不明白这个问题。你发布的代码是否有效？你希望它做什么不同的事情？我的代码不起作用，我有两个数据集，但第一个数据集的目标相同，我想应用卷积并保持平坦输出，然后将其与第二个数据集连接起来，并做一个简单的FeedForWad，它到底在哪里中断？它没有中断，但我不知道我该怎么做model.fitx_train，y_train，nb_epoch=epochs，batch_size=10，verbose=1如何将输出展平与其他输出连接起来我的keras模型如何知道展平使用的数据集