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有关吗将扁平化输出与keras python和其他数据集连接起来,python,tensorflow,deep-learning,keras,convolution,Python,Tensorflow,Deep Learning,Keras,Convolution,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_
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