python

때문에 오류를 얻고 result로 정의 Sequential()모델에 대한 단지 용기가 당신이 그것을에 대한 입력을 정의하지 않았습니다.

result세 번째 입력을 받기 위해 세트 를 구축하려는 것을 감안할 때 x3.

first = Sequential()
first.add(Dense(1, input_shape=(2,), activation='sigmoid'))

second = Sequential()
second.add(Dense(1, input_shape=(1,), activation='sigmoid'))

third = Sequential()
# of course you must provide the input to result with will be your x3
third.add(Dense(1, input_shape=(1,), activation='sigmoid'))

# lets say you add a few more layers to first and second.
# concatenate them
merged = Concatenate([first, second])

# then concatenate the two outputs

result = Concatenate([merged,  third])

ada_grad = Adagrad(lr=0.1, epsilon=1e-08, decay=0.0)

result.compile(optimizer=ada_grad, loss='binary_crossentropy',
               metrics=['accuracy'])

그러나 이러한 유형의 입력 구조를 가진 모델을 빌드하는 선호하는 방법은 기능적 api 를 사용하는 것 입니다.

다음은 시작하기위한 요구 사항의 구현입니다.

from keras.models import Model
from keras.layers import Concatenate, Dense, LSTM, Input, concatenate
from keras.optimizers import Adagrad

first_input = Input(shape=(2, ))
first_dense = Dense(1, )(first_input)

second_input = Input(shape=(2, ))
second_dense = Dense(1, )(second_input)

merge_one = concatenate([first_dense, second_dense])

third_input = Input(shape=(1, ))
merge_two = concatenate([merge_one, third_input])

model = Model(inputs=[first_input, second_input, third_input], outputs=merge_two)
ada_grad = Adagrad(lr=0.1, epsilon=1e-08, decay=0.0)
model.compile(optimizer=ada_grad, loss='binary_crossentropy',
               metrics=['accuracy'])

댓글에있는 질문에 답하려면 :

1) 결과와 병합은 어떻게 연결됩니까? 그들이 어떻게 연결되어 있는지를 의미한다고 가정합니다.

연결은 다음과 같이 작동합니다.

  a        b         c
a b c   g h i    a b c g h i
d e f   j k l    d e f j k l

즉, 행이 결합됩니다.

2) 이제 x1첫 번째에 x2입력되고 두 번째에 x3입력되고 세 번째에 입력됩니다.