Tensorflow 如何合并多个Keras模型以获得单个输出,而无需进一步培训
下面是我训练的最简单的cnn模型的代码。现在我的问题是,我需要创建多个模型(例如5个模型=[model1,model2,…,model5]),并使用循环来训练这些模型上的数据,而不是一个模型Tensorflow 如何合并多个Keras模型以获得单个输出,而无需进一步培训,tensorflow,machine-learning,neural-network,deep-learning,convolutional-neural-network,Tensorflow,Machine Learning,Neural Network,Deep Learning,Convolutional Neural Network,下面是我训练的最简单的cnn模型的代码。现在我的问题是,我需要创建多个模型(例如5个模型=[model1,model2,…,model5]),并使用循环来训练这些模型上的数据,而不是一个模型 model = Sequential() model.add(Conv2D(32, kernel_size=(3, 3), activation='relu', input_shape=input_shape)) model.add(Con
model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
activation='relu',
input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))
model.compile(loss=keras.losses.categorical_crossentropy,
optimizer=keras.optimizers.SGD(),
metrics=['accuracy'])
# train your model
history = model.fit(x_train, y_train,
batch_size=batch_size,
epochs=epochs,
verbose=1,
validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
问题到底是什么?我有一项任务,要求我训练多个模型并合并所有模型以获得单个输出,而无需进一步培训。我知道问题是“如何合并多个Keras模型以获得单个输出而无需进一步培训?”。你能更新这个问题吗?@rvinas:相应地更新了。