使用Keras的多输入模型(模型API)
Keras是一个开源的深度学习框架，它提供了简单易用的API，可以用于构建和训练各种深度学习模型。多输入模型是指在模型中使用多个输入数据进行训练和预测。
多输入模型在许多实际应用中非常有用，例如图像分类任务中同时使用图像和文本作为输入，或者自然语言处理任务中同时使用文本和语音作为输入。使用Keras的模型API，我们可以轻松地构建多输入模型。
在Keras中，我们可以通过定义多个输入层来创建多输入模型。每个输入层都需要指定其输入数据的形状和类型。然后，我们可以将这些输入层连接到其他层，构建出完整的模型。
多输入模型的优势在于可以利用不同类型的数据来提高模型的性能和准确性。通过将不同类型的数据输入到模型中，模型可以学习到更丰富的特征表示，从而提高预测的准确性。
多输入模型的应用场景非常广泛。例如，在自动驾驶领域，可以将图像数据和传感器数据作为模型的多个输入，用于实时地预测车辆的行为。在医疗领域，可以将患者的病历数据和生理数据作为模型的多个输入，用于诊断和治疗决策。
腾讯云提供了一系列与深度学习和模型训练相关的产品和服务，可以用于支持多输入模型的开发和部署。其中，腾讯云AI Lab提供了强大的深度学习平台，包括模型训练、模型部署和模型服务等功能。您可以通过访问腾讯云AI Lab的官方网站（https://cloud.tencent.com/product/ai-lab）了解更多相关信息。
总结起来，使用Keras的多输入模型可以通过定义多个输入层来实现，它可以提高模型的性能和准确性，适用于各种领域的应用。腾讯云提供了与深度学习和模型训练相关的产品和服务，可以支持多输入模型的开发和部署。
相关·内容
我在keras中有两个受过训练的模型，我想把一个放在另一个上面，形成一个模型。我想把我受过训练的模特组合成一个。
我认为merge(Merge)是用于水平堆叠模型，而我想要垂直堆叠keras函数API模型。
PS :输出1的形状与输入2相同。
浏览 1提问于2018-04-30得票数 5
回答已采纳
我想将Keras模型转换为Tensorflow Lite模型。当我查看文档时，有人说我们可以使用tf.keras HDF5模型作为输入。这是否意味着我可以使用保存的HDF5 Keras模型作为它的输入，或者tf.keras HDF5模型和Keras HDF5模型是不同的东西？
文档：
编辑:我可以使用这个API将我的Keras模型转换成Tensorflow Lite模型，但是我还没有测试它。我的代码：
converter = tf.lite.TFLiteConverter.from_keras_model_file(path + 'plant-
recognition-model.h
浏览 1提问于2019-05-03得票数 1
回答已采纳
我一直使用"CMU电影摘要语料库“作为我自己学习的电影类型分类，因为我是相对较新的NLP。这是一个多标签分类任务。我使用train进行字矢量化，然后将输出输入到神经网络中，但当我试图训练我的模型时，我得到了以下错误：
ValueError: logits and labels must have the same shape ((None, 1) vs (None, 363))
我读过关于StackOverflow的文章，并试图实现同样的方法，但问题仍然存在。然而，我能够训练机器学习模型使用相同的TF-以色列国防军的特点，但不能训练神经网络。
下面是代码片段：
创建TF-以色列国防军特
浏览 3提问于2021-08-16得票数 0
当我一层一层地构建模型时，Sequential和Model([input],[output])的结果似乎是一样的。但是，当我使用以下两个输入相同的模型时，它们给出了不同的results.By方式，输入形状是(None, 15, 2)，输出形状是(None, 1, 2)。
Sequential模型：
model = tf.keras.Sequential(
[
tf.keras.layers.Conv1D(filters = 4, kernel_size =7, activation = "relu"),
tf.keras.layers.C
浏览 12提问于2022-08-07得票数 1
我知道顺序使用时如何设置keras模型的名称，但我不知道如何命名基于函数api的模型。让我换个说法，我问的是如何设置keras模型的名称，而不是层的名称
已解决
嗯，我做了一些实验，它起作用了，所以要命名基于functional api的keras模型，只需将输入传递到Model中，如下所示：
Model(inputs=inputs, outputs=dense_out, name=name)
浏览 43提问于2018-08-12得票数 5
回答已采纳
1回答
对Keras的多维输入
、、、、
我对keras还很陌生，而且我在运行一个多维度的模型时遇到了问题。所以，我已经试了几个样本。这就是其中之一。
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
X_train = np.array([[[1, 2], [3, 4]], [[1, 2], [3, 4]]])
model = Sequential([
Dense(32, input_shape=X_train.shape[1:]),
])
model.compile(loss='sparse_
浏览 2提问于2017-08-08得票数 7
回答已采纳
1回答
我有一个图像分类，深入学习CNN模型(.h5文件)使用Keras和Tensorflow 2，我想使用在线预测。我想要一个API，它通过HTTP接收单个输入映像，并使用经过训练的模型使用预测的类标签进行响应。是否有Keras或Tensorflow提供的API来进行同样的操作？
浏览 1提问于2020-02-12得票数 0
回答已采纳
我知道tf.nn.leaky_relu是用来计算函数的，而tf.keras.layers.LeakyReLU是层版本。但是，在添加到功能性API神经网络模型时，它们有什么不同？
浏览 30提问于2021-05-17得票数 0
回答已采纳
1回答
用Keras编码的图形显示模型
、、、、
假设我从零开始在keras中编写Resnet 152模型，是否有任何工具/api可以将我的代码作为输入并给出一个图形信号流程图，以确保我编写的模型符合预期？
我知道存在Keras模型摘要，但是如何解释跳过层连接呢？
浏览 0提问于2018-07-30得票数 0
回答已采纳
在将keras模型引入生产环境时，tensorflow服务通常用作REST API。它有一些缺点，因为图像数据需要与网络输入层相同的输入格式，例如json中具有形状(300,300,3)的数组。实现这一点的唯一方法似乎是将tensorflow服务API封装到另一个服务中。
如何才能让tensorflow提供一个接受base64编码图像的keras模型，而不将其包装在另一个API中呢？
浏览 8提问于2019-07-15得票数 0
回答已采纳
我正在使用functional构建tf keras模型。该模型将很好地训练大内存映射数组。但是，由于许多原因，使用tensorflow Dataset对象是有利的。因此，我使用from_tensor_slices()将数组转换为Dataset对象。问题是，这种模式将不再训练。
keras：表示dataset对象是可接受的。
我所遵循的关于如何训练的指南可以在这里找到：
关于如何使用keras的指南是。但是，没有概述使用tf Dataset对象来训练函数API模型。
在此提供了一部MWE：
import numpy as np
import tensorflow as tf
from tenso
浏览 17提问于2022-02-10得票数 1
回答已采纳
1回答
我想使用Tensorflow和Keras在预先训练好的模型中添加新的层。问题是，这些新的层不是要添加到模型的顶部，而是在开始时添加。我想创建一个三连体模型，它采用3种不同的输入和3种不同的输出，使用预先训练的网络作为模型的核心。为此，我需要在模型的开头插入3个新的输入层。 默认路径是仅链接层和模型，但此方法将预训练模型视为新层(当创建具有新输入和预训练模型的新模型时，新模型只有contains4层、3个输入层和整个预训练模型)： input_1 = tf.keras.layers.Input(shape = (224,224,3))
input_2 = tf.keras.layers.Inp
浏览 73提问于2019-06-25得票数 1
回答已采纳
我使用Tensorflow 1.14和tf.keras API来构建一个数目(>10)的不同网络神经网络。(我也对使用Tensorflow 2回答这个问题感兴趣)。我在想我该怎么组织我的项目。
我使用tf.keras.estimator.model_to_estimator和Tensorboard将keras模型转换为估值器，以实现可视化。我有时也会使用model.summary()。我的每个模型都有一个(>20)的超参数，并将三种类型的输入数据中的一种作为输入。有时我使用超参数优化，因此在尝试下一组超参数之前，我经常手动删除模型并使用tf.keras.backend.clear_
浏览 1提问于2019-11-03得票数 2
回答已采纳
1回答
我在物理领域应用机器学习来预测分子的潜能。此电位可描述为形状为64*64的2d数组。为了方便起见，我在0到1的范围内缩放了潜力的值。
经过缩放后的潜力的样本：
我的目标是建立一个带有Keras的神经网络模型来预测潜力。模型的输入是一些物理量，可以作为一维数组来处理，输出就是我前面提到的潜力。训练后的模型结果很好，MAPE小于5%，但测试阶段在测试数据集和训练数据集上都存在较大问题(两个数据集都有相同的分布输入)。
左边的是模型预测的潜力，中间的是真实的值，最后一个是MAPE：
我尝试过许多损失函数(MAE；(1-SSIM)；等等)；更改模型层以改进模型，但没有发生任何事情。
浏览 11提问于2022-11-26得票数 0
我正在尝试使用Keras API在Tensorflow中实现一个自动编码器。我的代码的灵感来自于Keras网站上的示例：https://blog.keras.io/building-autoencoders-in-keras.html 目标是能够通过测量重建误差来检测数据集中的异常值。我的代码如下所示(我删除了一些层以使其更适合)： inputD = tf.keras.Input(shape=(1602,))
encoded = tf.keras.layers.Dense(1024, activation=tf.nn.leaky_relu, kernel_initializer='g
浏览 28提问于2019-04-03得票数 0
Tensorflow的对于非数值特征处理非常有用。然而，当前的API文档更多的是关于在tensorflow Estimator中使用feature_columns。有没有一种可行的方法来使用feature_columns来表示分类特征，然后基于tf.keras构建模型？
我找到的唯一参考资料是下面的教程。它展示了如何将要素列提供给Keras序列模型：
代码片段如下：
from tensorflow.python.feature_column import feature_column_v2 as fc
feature_columns = [fc.embedding_column(ccv, d
浏览 5提问于2019-01-26得票数 17
2回答
我正在使用keras子类化模块重新创建之前需要两个输入和两个输出的功能模型。我找不到任何关于这是否可能/如何实现的文档。 TF2.0/Keras子类化API允许多输入吗？ 输入到我的功能模型中，并且构建很简单： word_in = Input(shape=(None,)) # sequence length
char_in = Input(shape=(None, None))
... layers...
m = Model(inputs=[word_in, char_in], outputs=[output_1, output_2])
浏览 10提问于2020-01-15得票数 5
回答已采纳
2回答
我正在尝试使用keras创建一个预测API，该API加载模型、预测和关闭模型。但是python中的初始化时间大约为3-5秒，因此每个请求都需要大约5秒才能返回预测，而不管输入的行数(预测)如何。
是否有任何方法保持模型加载，然后流输入数据，以获得预测。就像预装的模型，不管是通过套接字还是通过端口。
类似于开放的office文档转换器
\program\soffice.exe -accept="socket,host=127.0.0.1,port=8100;urp;" -headless -nofirststartwizard -nologo
Keras预测码
#!/usr/bi
浏览 0提问于2021-01-05得票数 3
我希望使用Google Cloud ML来托管我的Keras模型，这样我就可以调用API并做出一些预测。我遇到了一些来自Keras方面的问题。
到目前为止，我已经能够使用TensorFlow构建模型并将其部署到CloudML上。为了让它工作，我必须对我的基本TF代码做一些修改。这些更改记录在这里：
我也可以使用Keras训练一个类似的模型。我甚至可以将模型保存为与TF相同的导出和export.meta格式。
from keras import backend as K
saver = tf.train.Saver()
session = K.get_session()
saver.save(
浏览 0提问于2017-01-31得票数 11
1回答
我在使用用函数API编写的keras RNN进行掩蔽时遇到了一些问题。其想法是用形状(batch_size，timesteps，100)掩盖张量，零填充，并将其输入到SimpleRNN中。现在我有以下几点：
input = keras.layers.Input(shape=(None, 100))
mask_layer = keras.layers.Masking(mask_value=0.)
mask = mask_layer(input)
rnn = keras.layers.SimpleRNN(20)
x = rnn(input, mask=mask)
但是，这不起作用，因为它引发了
浏览 1提问于2020-01-25得票数 1
回答已采纳
我有一个数据集，它的方案如下： X1 ... X20 C 其中前20列是输入数据，最后一列是目标数据。该数据集包括2000条记录。我想设计一个连续的Keras模型来对这些目标标签(从1到10不等，因此是多标签分类问题)进行分类。假设我已经在X_train_1和y_train_1中保存了这些输入数据和标签，下面是我的模型： def build_model_1(n_hidden = 1, n_neurons = 30, learning_rate = 3e-3, input_shape = X_train_1.shape):
model = tf.keras.Sequential()
浏览 11提问于2021-10-22得票数 0
回答已采纳
1回答
我的目标是创建一个自定义损失函数，它基于y_true、y_pred和模型输入层的张量来计算损失：
import numpy as np
from tensorflow import keras as K
input_shape = (16, 16, 1)
input = K.layers.Input(input_shape)
dense = K.layers.Dense(16)(input)
output = K.layers.Dense(1)(dense)
model = K.Model(inputs=input, outputs=output)
def CustomLoss(y_
浏览 0提问于2021-03-14得票数 3
可以将tensorflow与keras顺序模型结合起来，如下所示：()
from keras.models import Sequential, Model
model = Sequential()
model.add(Dense(32, activation='relu', input_dim=784))
model.add(Dense(10, activation='softmax'))
# this works!
x = tf.placeholder(tf.float32, shape=(None, 784))
y = model(x)
但是，我想像
浏览 20提问于2018-06-02得票数 1
我试着训练一个新任务的模型，下面的模型。我对这里使用的标准感到有点困惑，我本来希望使用一个经典的CategoricalCrossentropy，但是：
该模型在训练和测试时将精度评定为零。
然而，在手工计算精度时，绝对不是零
我不熟悉TimeDistributed层，我认为这个问题可能来自这里.TD层的输出和我的目标的形状是相同的。
我少了什么？
请参阅下面的代码：
def init_model():
input_ids = tf.keras.layers.Input(shape=(SEQ_LEN,),dtype='int32')
attenti
浏览 1提问于2022-01-30得票数 0
回答已采纳
1回答
TensorFlow服务(TFS)是否预测API输出与tf.keras.model.predict方法(即根据已编译的度量的模型输出)相同？
例如，如果我们使用tf.keras.model度量编译了一个BinaryAccuracy，那么TFS预测API的输出会是预测请求的每一个输入的二进制精度值的列表吗？
提前感谢！
浏览 7提问于2022-06-06得票数 0
我正在用tensorflow Keras构建一个CNN模型，可用的数据集是黑白的。
我正在使用从ImageDataGenerator api可用的keras.preprocessing.image将图像转换为数组。默认情况下，它将每个图像转换为3通道输入。那么，如果训练后的图像是彩色的，而不是黑白的，那么我的模型能够预测真实世界的图像(彩色图像)吗？
在ImageDataGenerator中还有一个名为"color_mode“的参数，它可以将输入作为”灰度“，并给出用于模型的2d数组。如果我采用这种方法，是否也需要将真实世界的图像转换为灰度？
浏览 4提问于2022-05-15得票数 0
1回答
我正在尝试构建一个LSTM模型，在中处理文档示例。
from keras.models import Sequential
from keras.layers import LSTM
以下三行代码(加上注释)直接取自上面的文档链接：
model = Sequential()
model.add(LSTM(32, input_dim=64, input_length=10))
# for subsequent layers, not need to specify the input size:
model.add(LSTM(16))
ValueError:输入0与lstm_2层不兼容:预期
浏览 2提问于2017-02-19得票数 4
回答已采纳
2回答
我得到了一个模型的预构建Keras层列表，如下：
def build_model(layers):
我想构建一个Keras函数API模型a：
model = Model(inputs, outputs)
为了达到这个目的，我用了：
inputs = list()
outputs = list()
for layer in layers:
if isinstance(layer, keras.layers.Input):
inputs.append(layer)
else:
outputs.append(layer)
但问题是，预先构建的Keras
浏览 0提问于2020-02-20得票数 1
回答已采纳
我已经使用Keras和TensorFlow对按照进行了分类。
网络的输入是形状为28，28的2-D张量，输出是形状为10的1-D张量，这是softmax函数的结果。
如何做到这一点？是否可以使用Keras或必须使用较低级别的API来完成此操作？
经过训练的模型具有以下格式
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.layers.Dense(10, activati
浏览 4提问于2018-10-06得票数 8
我使用Keras Functional API进行测试，因为我需要将模型迁移到Tensorflow LITE。我建立了一个有3个输入和3个输出的模型。如果所有输入都有相同数量的观察值，则该模型可以工作。我不理解这一点，因为它们是独立的。
ValueError: All input arrays (x) should have the same number of samples. Got array shapes: [(10, 5), (20, 5), (30, 5)
我想建立一个模型，有几个输入和不同数量的观察值。这有可能吗？
import numpy as np
from keras.la
浏览 12提问于2019-08-03得票数 0
回答已采纳
2回答
我使用的是tf.keras API，我希望我的模型接受形状(None,)的输入，None是batch_size。
shape of keras.layers.Input()不包括batch_size，因此我认为不能使用它。
有办法实现我的目标吗？我更喜欢没有tf.placeholder的解决方案，因为它是不推荐的
顺便说一下，我的模型是一个句子嵌入模型，所以我想要输入的是“你好吗。”，“早上好。”
======================更新：
目前，我可以用layers.Input(dtype=tf.string,shape=1)创建一个输入层，但这需要我的输入类似于[['How
浏览 6提问于2020-05-06得票数 1
回答已采纳
文档说，model.predict返回Numpy数组的预测。在Keras中，是否有一种方法可以区分哪些数组是？在TF实现中怎么样？
在同一页文档的顶部，他们说“模型可以使用列表指定多个输入和输出”。似乎没有什么是坏的，如果一个人通过字典：
my_model = tf.keras.models.Model(inputs=my_inputs_dict, outputs=my_outputs_dict)
当调用model.fit时，同样的文档会说：“如果模型中的输入层是命名的，您还可以传递一个字典，将输入名映射到Numpy数组。”
如果my_output_dict中的键或my_output_dict
浏览 0提问于2019-07-30得票数 7
根据https://keras.io/models/model/的说法，当一个模型返回多个输出时，它被表示为一个输出列表。 即使只有一个输出，也可以强制模型返回一个列表吗？默认情况下，在构建模型时，如果只有一个输出，则会返回该输出 我正在做一个泛型实用程序，而keras API (返回两个输出类型)中的这种不一致看起来并不是很优雅。我不知道输入是什么，所以我总是假设有多个输入/输出。 是否可以返回一个输出的列表？我该如何克服这个限制呢？ import tensorflow as tf
import numpy as np
def get_model1():
in_layer =
浏览 8提问于2019-09-05得票数 2
1回答
我正在学习Keras并尝试构建我的层，所以我构建了一个简单的Lambda层，它只是计算输入的平均值。
当我将该层添加到顺序模型时，TypeError发生在第4行。这是我的代码：
mean_layer = keras.layers.Lambda(lambda x: tf.reduce_mean(x))
model = keras.models.Sequential()
model.add(keras.layers.InputLayer(input_shape=[10]))
model.add(mean_layer())
model.summary()
TypeError: __call__()
浏览 3提问于2019-11-24得票数 0
回答已采纳
我想在Keras中训练我的模型，所以尝试将图像加载为numpy数组并调整它们的大小，但失败了，因为我没有足够的内存。
我的任务是语义分割。我有两个文件夹。一个用于输入图像，另一个用于所需的输出图像。对应的图像具有相同的名称。
Keras中有没有有用的API？
浏览 16提问于2018-02-22得票数 0
回答已采纳
1回答
我尝试从我的LSTM模型中预测一个结果
我的模型有n_features = 32和time_step = 100，代码如下
model = tf.keras.Sequential([
tf.keras.layers.InputLayer( input_shape=(time_step , n_features)),
tf.keras.layers.LSTM(64),
tf.keras.layers.Dense(1)]
)
我使用生成器训练我的模型
generator = TimeseriesGenerator(x_feature,y_target,length=time_st
浏览 0提问于2020-03-21得票数 0
1回答
我正在研究一个神经网络，它可以评估棋盘游戏中的位置。该模型采用2个输入，分别使用自动编码器对每个输入执行特征提取，然后自动编码器的输出连接到模型的其余部分。 我使用函数式API来形成模型： input1 = keras.layers.Input(85)
input2 = keras.layers.Input(85)
encoder1 = autoencoder(input1)
encoder2 = autoencoder(input2)
connector = keras.layers.Concatenate(axis=1)([encoder1, encoder2])
layer1 = ke
浏览 11提问于2021-10-01得票数 0
让我们假设我们有两个等价的模型，它们具有相同的输入、层和输出，除了一个是作为tf.keras.Model子类实现的，而另一个是在tf functional API中实现的。这些模型的推理或训练速度是否存在差异？
浏览 10提问于2020-08-20得票数 1
我试图用以下代码从构建一个模型：
from keras.models import Model
from tensorflow.contrib.keras.api.keras.layers import Dense, Input
# This returns a tensor
inputs = Input(shape=(784,))
# a layer instance is callable on a tensor, and returns a tensor
x = Dense(64, activation='relu')(inputs)
x = Dense(64, ac
浏览 6提问于2017-07-12得票数 1
回答已采纳
1回答
在使用了keras之后，通过实现一些示例并寻找教程，我有些困惑，我应该在我的项目中使用哪个交叉熵函数。在我的例子中，我希望用LSTM模型预测在线评论的多个标签，比如(正、负和中性)。这些标签被转换成一个热点向量，在keras中使用to_categorical方法，这也在keras中有记录：
(...)当使用categorical_crossentropy丢失时，您的目标应该是绝对格式的(例如，如果您有10个类，则每个样本的目标应该是一个10维向量，即在对应于示例类的索引处1的所有零期望)。
单热数组如下所示：
array([[1., 0., 0.],
[1., 0., 0.
浏览 1提问于2018-05-24得票数 3
回答已采纳
我试图获得我的模型的jacobian，wrt是一个输入(sample_x，是numpy中的二进制向量)。
print("Initiating gradient checker")
sample_x_tensor = sample_x.toarray()
sample_x_tensor = tf.convert_to_tensor(sample_x.toarray())
sample_x_tensor = tf.cast(sample_x_tensor, tf.float32)
with tf.GradientTape() as tape:
浏览 2提问于2020-04-16得票数 1
1回答
我使用带有Tensorflow后端的Keras对多个序列同时进行一步一步的序列预测；也就是说，我有n个具有m个时间步骤的序列，我使用一个model.predict()命令将它们全部加载到Keras中，模型返回一个'n‘元素数组，每个元素对应于每个n个序列的预测下一步。
所以我的目标是最大限度地提高Keras检测序列间交叉相关性的能力。例如，假设序列a与序列b有一定的时间延迟和缩放因子差异，那么理论上，Keras应该能够使用序列b更好地预测序列a的下一步。我现在如何使用4个序列(每个30个元素)进行测试，并将它们发送给我的模型，因为输入数据具有形状(4，30，1)，输出数据具有形状(4，
浏览 1提问于2017-11-09得票数 0
回答已采纳
我看到了其他类似的问题，并遵循了他们的解决方案，但几乎没有改进。我在做一个模型来识别名字的性别。作为培训数据，我使用了一个在这里找到的婴儿名字列表：https://www.ssa.gov/oact/babynames/limits.html。我将这些数据提取到一个新的数据框架中，只保留不止一次出现的这些名称的一个实例，并随机排序。
column中的每个名称字符串都被转换为伦特max_len的数字数组，并由函数规范化：
def text_to_numeric(column, max_len):
word_characters = []
for word in column:
浏览 0提问于2020-06-04得票数 1
3回答
我想创建一个CNN模型，我正在使用数据增强。我想知道Keras中增强图像的数量。
如何确定数据增强后Keras中的训练图像数量？
例如，如果我有2000张用于培训的图像，并且正在应用数据增强，那么增强后的图像数量是多少？
浏览 0提问于2018-09-12得票数 4
我有一个数据集，其中的目标是客户购买的产品类别。每个客户可以购买一个或多个类别。
如下所示：
以前，我将此模型构建为使用单个目标(为每个客户购买或不购买)：
model = tf.keras.Sequential([
tf.keras.layers.Dense(hidden_layer_size, activation='tanh'),
tf.keras.layers.Dense(hidden_layer_size, activation='tan
浏览 15提问于2020-05-14得票数 0
1回答
我正在使用tensorflow/keras，并且我想使用损失函数中的输入 根据这里的答案 Custom loss function in Keras based on the input data 因此，我创建了我的损失函数 def custom_Loss_with_input(inp_1):
def loss(y_true, y_pred):
b = K.mean(inp_1)
return y_true - b
return loss 并设置模型的层，所有的结果如下 model = Model(inp_1, x)
m
浏览 37提问于2021-08-12得票数 2
回答已采纳
我只是希望澄清一些信息，关于之前的一篇文章，其中讨论了如何将Keras预先训练的模型，如VGG或InceptionV3，可以扩展到不同大小的图像。我的问题是我有一些8波段的卫星图像。因此，图像可能是650x650x8，而不是通常的RBG 3波段图像.我想知道我是否可以使用Keras预先训练的图像模型与8个波段，而不是3个乐队。
现在有一个原始的帖子，并处理类似的东西。参考文献是关于将Keras预训练模型应用于不同大小的图像。因此，VGG在224x224x3上进行了培训，用户希望针对160x320x3的图像使用该模型。
这是最初的帖子：
下面是原始帖子的代码：
from keras.models
浏览 1提问于2018-07-19得票数 2
回答已采纳
1回答
我一直在学习“数据科学”关于word2vec和跳过图模型的教程，但是我偶然发现了一个我无法解决的问题，尽管我对它进行了大量的搜索并尝试了多个不成功的解决方案。
它向您展示了如何构建跳过图模型体系结构的步骤，由于使用了来自keras.layers的合并层，所以似乎不推荐使用这个步骤。
我试图将他的代码(在Keras的顺序API中实现)转换为Functional，用keras.layers.Dot层替换它来解决合并层的不推荐问题。但是，我仍然停留在将两个模型(word和context)合并到最终模型中的步骤中，其架构必须如下所示：
下面是作者使用的代码：
from keras.laye
浏览 1提问于2018-10-10得票数 3
回答已采纳
3回答
我目前有一个类似于这样的keras模型：
model = keras.Sequential()
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(100, activation=tf.nn.relu))
model.add(keras.layers.Dense(len(labels), activation=tf.nn.softmax))
告诉我：
模型需要知道它应该期望什么样的输入形状。因此，序列模型中的第一层(而且只有第一层，因为下面的层可以进行自动形状推断)需要接
浏览 0提问于2019-09-10得票数 13
回答已采纳
当我在顺序API中使用tensorflow keras时，我对不一致的结果感到非常困惑。
我有一个非常简单的模型：
def product_cnn_model():
cnn = keras.applications.VGG16(include_top=False)
for layer in cnn.layers:
layer.trainable = False
model = keras.Sequential([
cnn,
keras.layers.Flatten(),
keras.layers.Dens
浏览 0提问于2019-02-26得票数 0
回答已采纳
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
实时音视频
对象存储
即时通信 IM活动推荐
腾讯云开发者
