Python 自定义keras.keras中的应用程序模型

我想使用

keras.applications.resnet50

来训练一个模型

但在我的数据中，它们不仅仅是图像，表中还有一些变量项

我看到了keras的文档，

keras.layers.concatenate

可以在我展平图像项后将两个层组合在一起

但是

keras.applications.resnet50

不能连接变量项

如何在列车运行前模型的基础上进行成本化层

下面是我的演示代码：

import keras
from keras.models import Sequential, concatenate
from keras.layers import Dense, Dropout, Flatten
from keras.layers import Conv2D, MaxPooling2D
from keras.utils import to_categorical
from keras.layers import Input
from keras.models import Model
from keras.applications.resnet50 import ResNet50
VariableSize = 16
ResNet = ResNet50(include_top=True, weights=None, input_tensor=None, input_shape=(64,64,3), pooling=None, classes=2)
ResNet.layers.pop()
VariableNet = Input(shape=(VariableSize,))
ModelNet = keras.layers.concatenate([ResNet, VariableNet])  ##  Error
##
##  And connect output layer before complie

---

当您将

ResNet

作为输入传递到

keras.layers.concatenate

时，您传递的是一个完整的模型，而不仅仅是一个层。要将

ResNet

的输出层与可变长度输入连接起来，只需将

ResNet

替换为

ResNet.output

，如下所示：

ModelNet = keras.layers.concatenate([ResNet.output, VariableNet])

---

如果你的样本是简单的向量，而不是图像，你不应该使用resnet。你应该在你的问题中包含任何错误信息（和回溯）。