我有一个包含两个文本字段的数据集，在标记化之后，我制作了两个顺序模型，试图合并或合并，但是合并时遇到错误。
我已经建立了两个顺序模型，并且尝试不使用Keras Functional API来合并它们。
# define the model
model1 = Sequential()
model1.add(Embedding(vocabulary_size_1, embedding_size, input_length=MAXLEN))
model1.add(Flatten())
model1.add(Dense(op_units, activation='softmax'))
# define the model
model2 = Sequential()
model2.add(Embedding(vocabulary_size_2, embedding_size, input_length=MAXLEN))
model2.add(Flatten())
model2.add(Dense(op_units, activation='softmax'))
merged = concatenate(axis=1)
merged_model=merged([model1.output, model2.ouput])
TypeError Traceback (most recent call last)
<ipython-input-76-79cf08fec6fc> in <module>
----> 1 merged = concatenate(axis=1)
2 merged_model=merged([model1.output, model2.ouput])
TypeError: concatenate() missing 1 required positional argument: 'inputs'
我期待不使用Keras Functional API的方法
该concatenate()功能要求您指定要串联的模型。
merged = concatenate([model1,model2],axis=1)。但是，轴必须是axis = -1（您可以在yopur情况下使用任何合适的方法。）
您的代码可以通过以下功能方式进一步编写：
inputs = Input(shape=(vocabulary_size,embedding_size), dtype='float32')
model1=Embedding(vocabulary_size, embedding_size)(inputs)
model1=Flatten()(model1)
model1=Dense(op_units, activation='softmax')(model1)
model2=Embedding(vocabulary_size, embedding_size)(inputs)
model2=Flatten()(model2)
model2=Dense(op_units,activation='softmax')(model2)
merged = concatenate([model1,model2],axis=-1)
model=Model(inputs=inputs,outputs=merged)
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。
我来说两句