Keras由两个神经网络模型组成的神经网络模型

Question

我正在使用Keras和Tensorflow来实现我的模型(M)。假设我有以下输入特征F= {x，y，a1，a2，a3，...，an}我想只使用x和y构建一个深层模型(M1)，然后，(M1)的输出和所有剩余的特征(a1，a2，...，an)将成为另一个模型(M2)的输入。

x，y --> M1 --> z，a1，a2，...，an --> M2 -->最终输出

如何在Keras中构建这样的模型？

Answer 1

使用Keras functional api。

我并不完全清楚，你的意思是让第二个模型只根据第一个模型的输出进行训练，还是可以让两个模型联合训练。

如果你的意思是让M1和M2分开训练，那么假设x, y, a是你的输入ndarray，你可以这样做：

input_x = Input(shape=...)
input_y = Input(shape=...)

...

M1 = ... # your first model
m1_output = M1.output # assuming M1 outputs only one tensor

m2_input = Input(batch_shape=m1_output.shape) # the part that you can feed outputs from M1
m2_output = ...

M2 = Model(inputs=[m2_input,a], outputs=[m2_output])

你也可以同时训练这两个部分，然后it's also covered in Functional API's documentation。您需要像这样定义M2：

M2 = Model(inputs=M1.inputs + [a], outputs=M1.outputs + [m2_output])

当然，你必须相应地计算出损失。