用tensorflow.keras连接两个模型

hellowolrd

我目前正在使用MNIST数据集研究用于图像分析的神经网络模型。我首先仅使用图像来构建第一个模型。然后，我创建了一个附加变量，当数字实际上在0到4之间时，它是0；而当数字大于或等于5时，它是1。

因此，我想构建一个模型，该模型可以获取以下两个信息：数字的图像以及我刚刚创建的那个附加变量。

我创建了两个第一个模型，一个模型用于图像，一个模型用于外生变量，如下所示：

import tensorflow as tf
from tensorflow import keras


image_model = keras.models.Sequential()

#First conv layer :
image_model.add( keras.layers.Conv2D( 64, kernel_size=3,
                                               activation=keras.activations.relu,
                                      input_shape=(28, 28, 1) ) )

#Second conv layer :
image_model.add( keras.layers.Conv2D( 32, kernel_size=3, activation=keras.activations.relu ) )

#Flatten layer :
image_model.add( keras.layers.Flatten() )

print( image_model.summary(), '\n' )




info_model = keras.models.Sequential()

info_model.add( keras.layers.Dense( 5, activation=keras.activations.relu, input_shape=(1,) ) )

print( info_model.summary() )

然后，我想将两个最终层都连接起来，最后放置另一个带有softmax的密集层来预测类概率。

我知道使用Keras函数式API是可行的，但是如何使用tf.keras做到这一点呢？

约翰·杜

您可以在TF中轻松使用Keras的功能性API（已通过TF 2.0测试）：

import tensorflow as tf

# Image
input_1 = tf.keras.layers.Input(shape=(28, 28, 1))
conv2d_1 = tf.keras.layers.Conv2D(64, kernel_size=3,
                                  activation=tf.keras.activations.relu)(input_1)

# Second conv layer :
conv2d_2 = tf.keras.layers.Conv2D(32, kernel_size=3,
                                  activation=tf.keras.activations.relu)(conv2d_1)

# Flatten layer :
flatten = tf.keras.layers.Flatten()(conv2d_2)

# The other input
input_2 = tf.keras.layers.Input(shape=(1,))
dense_2 = tf.keras.layers.Dense(5, activation=tf.keras.activations.relu)(input_2)

# Concatenate
concat = tf.keras.layers.Concatenate()([flatten, dense_2])

n_classes = 4
# output layer
output = tf.keras.layers.Dense(units=n_classes,
                               activation=tf.keras.activations.softmax)(concat)

full_model = tf.keras.Model(inputs=[input_1, input_2], outputs=[output])

print(full_model.summary())

这将为您提供所需的模型。

本文收集自互联网，转载请注明来源。

如有侵权，请联系 [email protected] 删除。