这是我第一次使用双向层，但我没有找到任何使用 Keras 的功能 API 的示例。mask_mastrix 是一个具有二进制值 True / False 的形状（样本、时间步长）的张量。

我收到以下错误：

我对此有两个问题：

1. 是什么导致了问题以及如何解决？
2. 使用双向图层时，掩码值如何工作？因为据我了解，这一层创建了两个 LSTM：第一个是前向序列，第二个是后向序列（以获取整个上下文）。掩码参数是否也反转了？

提前致谢！

我正在尝试使用 Keras 的功能 api 来构建具有多个输入和单个输出的模型。目标是组合每个输入的每一行以预测相应的输出（1 或 0）。
例如concatenate(inputs_1[0], and inputs_2[0])并预测输出outputs[0]

我的数据结构如下所示：

我在构建模型时遇到了一些困难，当我想重塑数据时会出现第一个困难。

但是list对象没有属性reshape

我已阅读此功能性 api 文档，但对我没有多大帮助。但是，我现在知道我将通过串联将所有可用特征合并到一个大向量中。如何处理这些嵌套数组？
另一个困难是将数据拆分为训练、验证和测试。我发现的文章是基于单个输入数据进行的。有没有办法吐出多个数据输入？

在这种情况下，我如何定义层来构建模型？
我如何使用 api 来构建我的模型？
欢迎任何提示或模型的骨架。
先感谢您。

我使用功能 API 创建了一个具有三个不同输出层的模型，以测试不同的激活函数。问题是每个 epoch 的输出行太长。我只想看准确性而不是损失。

我不希望.fit()函数打印每一层的损失，只打印准确性。我搜索了所有 Google 和 Tensorflow 文档，但找不到如何去做。

如果你想要完整的代码，请评论这篇文章。我会立即发送。

这是模型的摘要：

谢谢你，祝你有美好的一天。

我第一次为图像分类构建 CNN 模型，我对每种类型（1D CNN、2D CNN、3D CNN）的输入形状以及如何修复过滤器的数量有点困惑卷积层。我的数据是 100x100x30，其中 30 个是特征。这是我使用功能 API Keras 为 1D CNN 编写的文章：

但是，在尝试通过将 Conv1D、Maxpooling1D 更改为 Conv2D 和 Maxpooling2D 来尝试 2D CNN 模型时，出现以下错误：

谁能告诉我 2D CNN 和 3D CNN 的输入形状如何？输入数据预处理可以做什么？

早上好，

我尝试使用顺序模型来创建具有多个输入（连接）的神经网络。但我想知道我是否应该使用 Keras 功能 API 来创建我的模型。

谢谢提前

如图 1 所述，我有 3 个模型，每个模型都适用于特定领域。

这 3 个模型分别使用不同的数据集进行训练。

推理是顺序的：

由于 python 的 Multiprocess 库，我尝试并行化这 3 个模型的调用，但它非常不稳定，不建议这样做。

这是我必须确保一次完成所有这些的想法：

由于 3 个模型共享一个共同的预训练模型，我想制作一个具有多个输入和多个输出的模型。

如下图所示：

就像在推理过程中那样，我将调用一个模型，它将同时执行所有 3 个操作。

我看到使用 KERAS 的功能 API 是可能的，但我不知道该怎么做。数据集的输入具有相同的维度。这些是 (200,200,3) 的图片。

如果有人有共享通用结构的多输入多输出模型的示例，我没问题。

UPADE

这是我的代码示例，但它返回错误，因为该layers. concatenate (...)线传播了模型未考虑的形状EfficientNet。

我正在使用深度学习概念，但它是初学者，我正在尝试使用 3 个深度神经网络模型构建特征融合概念，我的想法是我试图从所有三个模型中获取特征并在最后一个 sigmoid 层，然后得到结果，这是我运行的代码。

代码：

这是我面临的错误

请帮我解决这个问题，或者如果有人知道我应该使用什么代码然后让我知道我也愿意更改代码但不是概念谢谢。

更新

从@M.Innat 的回答中，我们尝试如下。我们的想法是我们首先构建 3 个模型，然后通过将这些模型与单个分类器连接来构建最终/组合模型。但我面临一个差异。当我训练每个模型时，它们给出了 90% 的结果，但是当我将它们结合起来时，它们几乎没有达到 60 或 70。

代码模型 1：

模型 1 精度= 94.14%。与另外 2 个模型相同。

模型 2 精度= 93.62% 模型 3 精度= 92.71%

接下来，正如@M.Innat 建议的合并模型。在这里，我们使用上述模型 1、2、3 完成了该操作。但分数并不接近~90%。最终组合模型：

然后将这三个结合起来。

但与他们给出 90% 的每个模型不同，这个组合最终模型给出了大约=70%

我想在 Keras 中创建一个由 2 个卷积层、一个展平层和一个密集层组成的模型。这将是一个具有共享权重的模型，因此没有任何预定义的输入层。

可以使用顺序方式进行：

但是，使用 Functional API 会产生 TypeError：

错误 ：

这样做是不可能的，还是我错过了什么？

我想要一个有 2 个输入的模型，几个具有共享权重的隐藏层，然后是单独的输出层。

我已经看到了这个问题及其公认的答案：Share weights between two dense layers in keras。这正是我想要实现的，只需使用多个共享的密集层。

基本上，这就是他们所做的：（
我对其进行了一些修改，使其具有 2 个单独的输出层）

我也想做同样的事情，只需要 2 个共享隐藏层：

但是当我尝试这样做时，我得到一个错误：

我在理解 Keras 功能 API 的输入形状时遇到了一些麻烦。它期望一个输入样本的大小，还是整个训练数据集的大小？

我的数据集由一个大小为 (3200, 24) 的输入集组成，其中一个训练样本（在人身上）是 (100, 24)。所以我有32个训练样本/人。对于每个人，标签是一个时间序列 (100,1)。我如何告诉 NN 它需要将 100 行视为一个样本？我的输入形状是什么？

X_transformed.shape = (3200, 24) and final_y.shape = (3200, 3) #这是三列因为我在做自定义损失函数，需要补充信息。向量的实际标签部分是 (3200, 1)。