1

我是 Python 和 Keras 的新用户，希望您的反馈能够指导我找到解决方案。

我想连接几个循环层来训练多输入神经网络。更具体地说，我想迭代地创建多个图层并将所有图层合并为一个图层。

为此，我创建了一个训练集字典（在本例中为两个训练集）：

 trainX_dict[0].shape
 (11,21,6)

 trainX_dict[1].shape
 (11,21,6)

 trainY_dict[0].shape
 (11,21)

 trainY_dict[1].shape
 (11,21)

接下来，我创建循环层和密集层，如下所示：

branch_name={}
for i in range(1)
    branch_name[i] = Sequential()
    branch_name[i].add(SimpleRNN(30, input_shape=(trainX_dict[i].shape[0],trainX_dict[i].shape[2])))
    branch_name[i].add(Dense(21))

在哪里：

 branch_name = [<keras.models.Sequential object at 0x7f287421c9e8>, <keras.models.Sequential object at 0x7f2868e77940>]

现在，我想将这两层合并为一个。根据这个答案如何在keras中连接两层？，这应该工作：

branch_name[i].add(SimpleRNN(21, input_shape=(trainX_dict[i].shape[0],trainX_dict[i].shape[2])))
branch_name[i].add(Dense(21))
merged=Concatenate(branch_name) 
final_model=Sequential()
final_model.add(Dense(21,input_shape=(trainX_dict[i].shape[0],trainX_dict[i].shape[2])))
merge2 = Concatenate([merged, final_model])
final_model.compile(optimizer='Adam', loss='binary_crossentropy', metrics=['accuracy'])
4

0 回答 0