Tensorflow 如何连接没有'；不要穿过层层

我试图创建一个包含三个输入的Keras模型。其中只有一个穿过前几层，另外两个在密集层连接。如何在不断开图形连接的情况下实现这一点？代码如下所示

import keras
input_img = Input(shape=(784,))
input_1 = Input(shape=(1,))
input_2 = Input(shape=(1,))

x = (Dense(48,kernel_initializer='normal',activation="relu"))(input_img)
x = (Dropout(0.2))(x)
x = (Dense(24,activation="tanh"))(x)
x = (Dropout(0.3))(x)
x = (Dense(1))(x)
x = keras.layers.concatenate([x, input_1, input_2])
x = (Activation("sigmoid"))(x)
x = Model(input_img, x)
x.compile(loss="binary_crossentropy", optimizer='adam')

---

为了更全面地概述我正在尝试的内容，我基本上是在创建一个卷积神经网络，在稠密层中添加额外的特征用于分类

由于您的模型有三个输入，即

input\u img、input\u 1和input\u 2

，因此在定义模型时需要传递这三个输入的列表，如下所示：

x = Model([input_img, input_1, input_2], x)

---

希望这有帮助。

因为您的模型有三个输入，即

输入\ img、输入\ 1和输入\ 2

，您需要传递这三个输入的列表，同时定义您的模型，如下所示：

x = Model([input_img, input_1, input_2], x)

---

希望这有帮助。

当我试图定义用于训练的输入数据时，我得到了以下错误：

ValueError:检查目标时出错：预期激活\u 7具有形状（3），但获得了具有形状（1）的数组。

我将输入定义为

inputs=（[X_train.reforme（790000625），input\u 1[0:790000]。reforme（790000，），input\u 2[0:790000].reformate（790000，）]

当我试图定义用于训练的输入数据时，我得到了以下错误：

ValueError:检查目标时出错：预期激活_7具有形状（3），但得到了具有形状（1，）的数组。

我将输入定义为

输入=（[X_train.reformate（790000625），input_1[0:790000]。reforme（790000，），input_2[0:790000].重塑（790000，）]