Вы получаете сообщение об ошибке, потому что он result
определен как Sequential()
контейнер для модели, и вы не определили для него ввод.
Учитывая то, что вы пытаетесь построить, установите result
третий вход x3
.
first = Sequential()
first.add(Dense(1, input_shape=(2,), activation='sigmoid'))
second = Sequential()
second.add(Dense(1, input_shape=(1,), activation='sigmoid'))
third = Sequential()
third.add(Dense(1, input_shape=(1,), activation='sigmoid'))
merged = Concatenate([first, second])
result = Concatenate([merged, third])
ada_grad = Adagrad(lr=0.1, epsilon=1e-08, decay=0.0)
result.compile(optimizer=ada_grad, loss='binary_crossentropy',
metrics=['accuracy'])
Однако я предпочитаю использовать функциональный api для создания модели с таким типом входной структуры .
Вот реализация ваших требований для начала:
from keras.models import Model
from keras.layers import Concatenate, Dense, LSTM, Input, concatenate
from keras.optimizers import Adagrad
first_input = Input(shape=(2, ))
first_dense = Dense(1, )(first_input)
second_input = Input(shape=(2, ))
second_dense = Dense(1, )(second_input)
merge_one = concatenate([first_dense, second_dense])
third_input = Input(shape=(1, ))
merge_two = concatenate([merge_one, third_input])
model = Model(inputs=[first_input, second_input, third_input], outputs=merge_two)
ada_grad = Adagrad(lr=0.1, epsilon=1e-08, decay=0.0)
model.compile(optimizer=ada_grad, loss='binary_crossentropy',
metrics=['accuracy'])
Чтобы ответить на вопрос в комментариях:
- Как связаны результат и слияние? Предполагая, что вы имеете в виду, как они связаны.
Конкатенация работает так:
a b c
a b c g h i a b c g h i
d e f j k l d e f j k l
т.е. строки просто соединяются.
- Теперь
x1
вводится для первого, x2
вводится для второго и x3
вводится для третьего.
result
иmerged
(илиmerged2
) связаны друг с другом в первой части вашего ответа?x1
иx2
является входным сигналом дляfirst_input
,x3
дляthird_input
. О чемsecond_input
?second_input
проходит черезDense
слой и конкатенируется, сfirst_input
которым также был пропущен черезDense
слой.third_input
проходит через плотный слой и объединяется с результатом предыдущей конкатенации (merged
)Concatenate()
иconcatenate()
слоями в Keras?Добавление к принятому выше ответу, чтобы он помог тем, кто использует
tensorflow 2.0
import tensorflow as tf # some data c1 = tf.constant([[1, 1, 1], [2, 2, 2]], dtype=tf.float32) c2 = tf.constant([[2, 2, 2], [3, 3, 3]], dtype=tf.float32) c3 = tf.constant([[3, 3, 3], [4, 4, 4]], dtype=tf.float32) # bake layers x1, x2, x3 x1 = tf.keras.layers.Dense(10)(c1) x2 = tf.keras.layers.Dense(10)(c2) x3 = tf.keras.layers.Dense(10)(c3) # merged layer y1 y1 = tf.keras.layers.Concatenate(axis=1)([x1, x2]) # merged layer y2 y2 = tf.keras.layers.Concatenate(axis=1)([y1, x3]) # print info print("-"*30) print("x1", x1.shape, "x2", x2.shape, "x3", x3.shape) print("y1", y1.shape) print("y2", y2.shape) print("-"*30)
Результат:
------------------------------ x1 (2, 10) x2 (2, 10) x3 (2, 10) y1 (2, 20) y2 (2, 30) ------------------------------
источник
Вы можете поэкспериментировать
model.summary()
(обратите внимание на размер слоя concatenate_XX (Concatenate))# merge samples, two input must be same shape inp1 = Input(shape=(10,32)) inp2 = Input(shape=(10,32)) cc1 = concatenate([inp1, inp2],axis=0) # Merge data must same row column output = Dense(30, activation='relu')(cc1) model = Model(inputs=[inp1, inp2], outputs=output) model.summary() # merge row must same column size inp1 = Input(shape=(20,10)) inp2 = Input(shape=(32,10)) cc1 = concatenate([inp1, inp2],axis=1) output = Dense(30, activation='relu')(cc1) model = Model(inputs=[inp1, inp2], outputs=output) model.summary() # merge column must same row size inp1 = Input(shape=(10,20)) inp2 = Input(shape=(10,32)) cc1 = concatenate([inp1, inp2],axis=1) output = Dense(30, activation='relu')(cc1) model = Model(inputs=[inp1, inp2], outputs=output) model.summary()
Подробную информацию вы можете просмотреть здесь: https://nbviewer.jupyter.org/github/anhhh11/DeepLearning/blob/master/Concanate_two_layer_keras.ipynb
источник
Concatenate()
иconcatenate()
слоями в Keras?