在Keras中合并多个模型(tensorflow)

Question

在做了很多努力之后，这里是我的问题，

我有两个模型，两个模型都可以检测到2-2个类。正如我们所知道的，我们可以使用FunctionalAPI合并两个模型。我试过了，但是我没有得到想要的结果。

我的目标:我想合并这些模型，更新后的模型应该有(1个输入，4个输出)。

inputs = tf.keras.Input(shape=(50,50,1))
y_1 = f1_Model(inputs)
y_2 = f2(inputs)
outputs = tf.concat([y_1, y_2], axis=0)
new_model = keras.Model(inputs, outputs)
new_model.summary()

Model: "functional_5"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_2 (InputLayer)            [(None, 50, 50, 1)]  0                                            
__________________________________________________________________________________________________
sequential (Sequential)         (None, 2)            203874      input_2[0][0]                    
__________________________________________________________________________________________________
sequential_1 (Sequential)       (None, 2)            203874      input_2[0][0]                    
__________________________________________________________________________________________________
tf_op_layer_concat (TensorFlowO [(None, 2)]          0           sequential[1][0]                 
                                                                 sequential_1[1][0]               
==================================================================================================
Total params: 407,748
Trainable params: 407,748
Non-trainable params: 0
__________________________________________________________________________________________________

当我在其中传递一个图像时，它给出了错误的结果。我不知道我哪里错了。

prediction = new_model.predict([prepare(img)]) 
prediction

# index_pred=np.argmax(prediction) (this should return from 0 to 3, but not happening)
 

array([[1., 0.],
       [1., 0.]], dtype=float32)

Answer 1

据我所知，你想要分类4类，为此，你有2个模型，每个分类2类。

到目前为止，您的f1和f2模型输出的是softmax activation的结果，所以首先，您必须删除它并仅输出logit或relu activation。之后，如@dmg2所述，您必须在tf.concat中设置axis=1。最后，您必须通过一个新的softmax激活来传递输出。在那之后，我希望你能训练你的模型。