如何在keras中使用输入并行层
在Keras中使用输入并行层可以通过使用keras.layers.Concatenate层或keras.layers.Add层来实现。这些层可以将多个输入合并为一个输入，并在模型中进行并行处理。
使用keras.layers.Concatenate层时，需要将多个输入作为列表传递给该层，并指定axis参数来指定合并的轴。例如，假设有两个输入input1和input2，可以使用以下代码将它们合并为一个输入：
from keras.layers import Input, Concatenate
from keras.models import Model
input1 = Input(shape=(10,))
input2 = Input(shape=(20,))
merged = Concatenate(axis=1)([input1, input2])
# 继续构建模型
...使用keras.layers.Add层时，需要确保多个输入具有相同的形状。该层将逐元素地将输入相加。例如，假设有两个输入input1和input2，可以使用以下代码将它们相加：
from keras.layers import Input, Add
from keras.models import Model
input1 = Input(shape=(10,))
input2 = Input(shape=(10,))
added = Add()([input1, input2])
# 继续构建模型
...这些输入并行层可以在各种场景中使用，例如多模态学习、多任务学习等。它们可以帮助模型从多个输入中提取更丰富的特征，并增强模型的表达能力。
腾讯云相关产品和产品介绍链接地址：
相关·内容
1回答
我试图在Keras模型中使用一个具有状态的共享LSTM层，但是内部状态似乎被每一次并行使用所修改。这就提出了两个问题：
当使用共享的LSTM层训练模型并使用stateful=True时，并行使用是否在培训期间更新相同的状态？
如果我的观察是有效的，那么是否有一种方法可以使用均分LSTM，以便为每个并行用途独立地存储状态？
下面的代码举例说明了共享LSTM的三个序列的问题。对一个完整输入的预测与将预测输入分成两半并连续输入网络的结果进行了比较。
可以观察到的是，a1和aFull的前半部分是一样的，这意味着在第一次预测中，LSTM的使用实际上是与独立状态平行的。也就是说，z1不受创
浏览 3提问于2019-12-11得票数 1
目前，我正试图了解在v3中实现的Inseption tf.keras.applications.InceptionV3的体系结构。
我正在查看模型层中的名称列表：
print([layer.name for layer in model.layers])
#Outputs:
['input_1',
'conv2d',
'batch_normalization',
'activation',
'conv2d_1',
'batch_normalization_1',
'activa
浏览 1提问于2020-08-26得票数 0
回答已采纳
1回答
我对注意力机制是新手，我想通过一些实际的例子来了解它。我偶然发现了一个用于多头关注的Keras实现，在这个网站中找到了它。我在Keras中找到了两种不同的实现方法。
一种方法是使用多头关注作为角化包装层与LSTM或CNN。这是在Keras中使用LSTM实现多头包装层的片段。此示例取自此网站“
import keras
from keras_multi_head import MultiHead
model = keras.models.Sequential()
model.add(keras.layers.Embedding(input_dim=100, output_dim=2
浏览 4提问于2020-10-26得票数 4
1回答
发现损失不够好
、、、
我试图使用神经网络来预测包含24个不同特性的输入中的两个不同的值。到目前为止，我得到的结果还不够好，所以任何建议都会受到赞赏，因为我已经被困了一段时间了。这就是我到目前为止所做的：
输入数据：
我有一个包含24个不同特性的输入(整个数据集大约有15万个实例)。因此，我试图标准化我的输入，规范化它，日志转换它，并使用PCA来降低问题的维数。其中，PCA被证明是最好的解决方案(使用前5个主成分)。
为了确保输入是重要的，我已经做了一个快速拟合使用一个随机森林回归和一个额外的特雷斯回归，以计算每个功能的重要性(在执行PCA之后)。与随机特征相比，所有正在使用的特征对于模型来说都是足够重要的。
神经网
浏览 0提问于2021-04-24得票数 1
我刚开始使用keras框架。我读过一些例子，说明如何在keras中用顺序类和图类构造深度学习模型。但是，我看到，独立的，如果我使用顺序或图，假设一个层的每一个隐藏单元都与另一层的所有隐藏单元完全相连，不是吗？
如果我想构建一个深度前馈网络，它没有完全连接，例如第二层的第一个隐藏单元没有连接到第三个layer...etc的第二个单元，即使我想在属于非连续层的隐藏单元之间添加连接(跳过连接)，我如何在keras中实现这一点？
浏览 0提问于2018-01-05得票数 2
1回答
我对Keras很陌生，我发现很难理解LSTM layer.The Keras文档中输入数据的形状，因为输入数据应该是带有形状的3D张量(nb_samples、timesteps、input_dim)。我很难理解这种格式。timesteps变量是否表示网络记住的时间步骤的数量？
在我的数据中，几个时间步骤会影响网络的输出，但我不知道提前了多少次，也就是说，我不能说前10个样本会影响输出。例如，输入可以是构成句子的单词。每个句子中的单词之间有着重要的关联。我不知道这个句子的长度，这个长度也因句子的不同而不同。我知道句子什么时候结束(也就是说，我有一个句号表示结尾)。两个不同的句子对另一个没有影响-
浏览 2提问于2017-10-07得票数 0
我刚开始使用keras框架。我读过一些例子，说明如何在keras中用顺序类和图类构造深度学习模型。但是，我看到，独立地使用顺序或图，假设一个层的每个节点都与另一个层的所有节点完全连接，不是吗？
我的疑问是，如果我想构建一个没有完全连接的深度前馈网络，例如第二层的第一个节点没有连接到第三个layer...etc的第二个节点，即使我想在非连续层的节点之间添加连接(跳过连接)，我如何在keras中实现这一点呢？
奥斯卡
浏览 1提问于2018-01-05得票数 1
在Keras中，使用Flatten()层保留批处理大小。例如，如果扁平的输入形状为(32, 100, 100)，则平坦的Keras输出为(32, 10000)，而在PyTorch中为320000。为什么会这样呢？
浏览 7提问于2020-02-07得票数 9
回答已采纳
2回答
我无法获得正确的输入形状
、、、、
下面的代码给了我一个输入错误，我找不到它。
import tensorflow as tf
import neural_structured_learning as nsl
.
.
.
b_size = 132
m = tf.keras.Sequential()
m.add(tf.keras.layers.Dense(980, activation = 'relu', input_shape = (2206,2,)))
m.add(tf.keras.layers.Dense(560, activation = 'relu'))
m.add(tf.keras.l
浏览 21提问于2020-05-15得票数 1
回答已采纳
我正在训练RNN，这是我使用tf.keras.layers.GRU层构建的。他们需要很长时间来训练(>2个小时)，所以我将把他们部署到GPU进行训练。我想知道一些关于GPU训练的事情：
tf.keras.layers.CuDNNGRU和tf.keras.layers.GRU (以及tf.keras.layers.LSTM和tf.keras.layers.CuDNNLSTM)有什么区别？我从中了解到，CuDNNGRU层的训练速度比GRU层快，但是层
这两层是否在相同的种子下收敛到不同的结果？
在推理过程中，这两层是否执行相同的操作？
在推理过程中，CuDNN层是否需要GPU？
浏览 1提问于2019-08-05得票数 1
回答已采纳
在Francois的“用Python进行深度学习”一书中，我发现了一段输入形状为784，单元为32的代码。
我在想他们会有什么不同。
下面是确切的代码：
from keras import layers
from keras import models
model = models.Sequential()
model.add(layers.Dense(32, input_shape = 784))
model.add(layers.Dense(32))
浏览 3提问于2021-02-08得票数 0
回答已采纳
我发现在keras.backend或keras.layers中有许多相同的名称，例如keras.backend.concatenate和keras.layers.Concatenate。我模糊地知道，一个是张量，另一个是层。但是当代码这么大的时候，这么多的函数让我混淆了张量或者层。有人有解决这个问题的好主意吗？
我发现的一种方法是首先在一个函数中定义所有占位符，但函数将其作为变量在结束时返回层，而另一个函数以该层为变量可能返回另一个变量。
浏览 0提问于2018-12-20得票数 0
回答已采纳
2回答
我在Keras中使用下面的模型来拟合函数y:R^3\to R。
from keras.models import Sequential
from keras.layers import Dense
model = Sequential()
model.add(Dense(50, input_dim=3, activation='tanh'))
model.add(Dense(1, activation='linear', kernel_initializer='normal'))
model.compile(loss='mean_sq
浏览 0提问于2019-11-28得票数 1
我定义了一个包含有状态LSTM的块的Keras功能模型，如下所示：
import numpy as np
from tensorflow.python import keras
data = np.ones((1,2,3))
input_shape = data.shape # batch size, step size, input size
output_units = 2
### input block ###
inputs = keras.layers.Input(batch_shape=input_shape, name="inputs")
### mo
浏览 0提问于2018-07-10得票数 1
总的来说，我对TF、Keras和ML非常陌生。我正在尝试实现一个非常简单的MLP，其输入形状为(batch_size,3,2)，输出形状为(batch_size,3)，也就是说(如果我做对了)：对于每一个3x2特性，都有一个对应的3值数组标签。
下面是我创建模型的方法：
model = tf.keras.Sequential([
tf.keras.layers.Dense(50,tf.keras.activations.relu,input_shape=((3,2)),
tf.keras.layers.Dense(3)
])
这些是X和y的形状：
X_train.shape,y
浏览 4提问于2021-06-08得票数 0
回答已采纳
1回答
我想要“损害”一个经过训练的keras网络的层，看看对这个单层的损害如何影响网络的性能。所以基本上我想：
1)负载训练网络
2)调用目标层并初始化其权重，将其放回网络中。
3)计算网络精度。
我在Google和DenseNet201后端的Keras中使用TensorFlow模型
import tensorflow as tf
import pandas as pd
import numpy as np
from keras.applications.densenet import DenseNet201
from keras.preprocessing import image
from ke
浏览 2提问于2019-01-14得票数 1
回答已采纳
1回答
卷积中的图分离
、、、
我想增加另一个输入层到我的密集网络后，输入被转换。我得到一个图形断线错误。我似乎无法在google搜索之后找出原因。
我采用了类似的方法，就像在其他堆栈溢出问题上一样，但这对我不起作用。
from tensorflow.keras import Sequential
from tensorflow.keras.layers import Embedding
from tensorflow.keras.layers import Dense,Input,Conv1D,MaxPool1D,Activation,Dropout,Flatten
from tensorflow.keras.models
浏览 9提问于2022-08-29得票数 0
回答已采纳
2回答
我试图用Keras函数API为我的策略梯度(深层强化学习)代理建立一个NN模型。我打算通过将无效行为的概率分布降低到logit层中的零来掩盖无效行为：
def __build_policy_network(self):
inputs = keras.layers.Input(shape=(self.input_dim,))
advantages = keras.layers.Input(shape=(1,))
valid_actions = keras.layers.Input(shape=(3,))
dense_1 = keras.layers.Dense(u
浏览 0提问于2021-04-29得票数 1
回答已采纳
问题
请帮助理解以下问题的原因，以及如何建立一个Keras模型的微调之上，预先训练的模型从拥抱面。
目标
在Huggingface的DistilBERT基础上创建一个微调的自定义模型。
输入模型的形状
根据令牌器输出的形状，我假设它是(2, None, 256)，因为[input_ids, attention_mask]将进入模型。
标记器的输出。
from transformers import DistilBertTokenizerFast
tokenizer = DistilBertTokenizerFast.from_pretrained('distilbert-base-un
浏览 3提问于2021-07-03得票数 3
基于tensorflow keras API教程；
model = keras.Sequential([
keras.layers.Dense(10, activation='softmax', input_shape=(32,)),
keras.layers.Dense(10, activation='softmax')
])
我不明白为什么输入层中的单元数是10，而输入形状是32。此外，在tensorflow教程中有许多类似于此的例子。
浏览 0提问于2018-08-08得票数 2
回答已采纳
我有很大的标签数据集。每行包含863标记化的单词。我正在尝试验证哪种类型的NN最适合分析这样的数据集。我准备了3个模型：
CNN：
model = tf.keras.Sequential([
tf.keras.layers.Embedding(len(tokenizer.word_index) + 1, 32, input_length=863),
tf.keras.layers.Conv1D(32, 5, activation='relu',kernel_regularizer=l2(0.01), bias_regularizer=l2(0.0
浏览 1提问于2020-04-29得票数 0
1回答
最近我学习了ResNet的跳转连接，我发现这种网络结构在训练过程中会有很大的改进，它也适用于卷积网络，如U-net。但是，我不知道如何用LSTM自动编码网络实现类似的结构。看来我被一些维度问题困住了..。我正在使用keras的方法来实现，但是我不断地得到错误。下面是网络代码：
# lstm autoencoder recreate sequence
from numpy import array
from keras.models import Sequential
from keras.layers import LSTM
from keras.layers import Dense
fro
浏览 14提问于2020-03-20得票数 3
回答已采纳
2回答
所以我的任务是训练一个非常简单的神经网络。我们的数据集有6个输入到网络中的特征，我们需要对其进行训练，然后预测一个输出数字。教授给了我们代码，基本上告诉我们要自学哈哈。所以我的疑问是，在下面的代码中，定义了神经网络的层，定义的第一个密集层(有50个节点)是否对应于输入层，或者它是第一个隐藏层？如果它是第一个隐藏层，输入层是如何定义的？ 提前感谢！ def get_compiled_model():
model = tf.keras.Sequential([
tf.keras.layers.Dense(50, activation=
浏览 55提问于2020-09-29得票数 0
回答已采纳
1回答
我在Python中使用Keras训练了一个模型，我想在Java程序中使用这个经过训练的模型。我最初打算在Java中直接使用Keras模型，但似乎Keras 2.0还没有得到很好的支持。因此，我将我的Keras模型(存储在.h5中)转换为tensorflow模型(存储在.pb中)。现在，我想在我的Java代码中使用这个模型。但是，我需要三个字符串才能成功地做到这一点：
“标识要加载的特定图解的标签”
将数据输入网络的操作
获取网络结果的操作
我几乎不知道如何找到这些字符串。此时，我无法修改我的模型，特别是因为Tensorflow 2.0删除了get_session()，这意味
浏览 4提问于2019-12-10得票数 5
回答已采纳
我在Keras中建立了一个多输入模型，它采用图像shape=[N, 640, 480, 3]和数值数据shape=[N, 19]，并对12个类进行了预测。下面是定义代码部分的模型：
# # %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
# # MODEL === CNN
# # %%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%%
#
base_model = keras.applications.ResNet50(
weights
浏览 1提问于2020-10-02得票数 1
3回答
我正在使用深度学习库keras，并试图堆叠多个LSTM，但没有成功。下面是我的代码
model = Sequential()
model.add(LSTM(100,input_shape =(time_steps,vector_size)))
model.add(LSTM(100))
上面的代码在第三行Exception: Input 0 is incompatible with layer lstm_28: expected ndim=3, found ndim=2中返回错误
输入X是形状(100,250,50)的张量。我在tensorflow后端运行keras
浏览 1提问于2016-10-31得票数 82
回答已采纳
1回答
我想在我的Keras顺序模型中连接三个层。是否有办法这样做？我想把它们沿着axis=2连接起来。
这是密码。
model = Sequential()
model.add(keras.layers.InputLayer(input_shape=(seq_len, n_inputs)))
model.add(keras.layers.Conv1D(input_shape=(None, n_inputs,seq_len), filters=N_CONV_A, padding='same',kernel_size=F_CONV_A, strides=1, activation=&#
浏览 0提问于2021-07-08得票数 0
回答已采纳
1回答
我希望在Keras中创建一个模型，该模型接收来自具有n图像的目录和具有n rows X m features形状的矩阵输入的图像。
我知道如何从目录中创建生成器，也知道如何将矩阵数据输入到模型中，但我想使用不同的网络，然后对它们进行merge。
如何确保n-th image和n-th row在相同的步骤中得到满足？当使用批处理时，这些坐标也是如此。
浏览 0提问于2018-04-25得票数 0
回答已采纳
1回答
我使用tf-以色列国防军矢量数据作为我的Keras模型的输入。tf-以色列国防军载体的形状如下：
<class 'scipy.sparse.csr.csr_matrix'> (25000, 310617)
代码：
inputs = Input((X_train.shape[1],))
convnet1=Conv1D(128,3,padding='same',activation='relu')(inputs)
错误：
ValueError:输入0与conv1d_25层不兼容:预期的ndim=3，找到ndim=2
当我将输入转换
浏览 0提问于2018-10-03得票数 1
我是Keras的新手，我正在研究函数式api模型结构。
1-如前所述的。keras.Model只接受输入和输出参数，并且层在模型之前列出。谁能告诉我，当我们传递的只是输入和输出数组时，keras.Model是如何知道层结构和输入和输出之间的多层的。
2-还有，layers.output或layers.input的输出是什么。输出不是一个简单的张量吗？当我使用中的语法为其他层打印layers.output时，我看到了下面的输出。看起来像dense_5/Relu:0一样，layers.output和layers.input也包含图层信息。有没有人能澄清一下下面输出的组件是什么意思？
print [
浏览 3提问于2020-08-30得票数 3
2回答
我是Keras的初学者，我从MNIST示例开始了解库的实际工作方式。Keras示例文件夹中MNIST问题的代码片段如下：
import numpy as np
np.random.seed(1337) # for reproducibility
from keras.datasets import mnist
from keras.models import Sequential
from keras.layers import Dense, Dropout, Activation, Flatten
from keras.layers import Convolution2D, Max
浏览 0提问于2016-05-12得票数 14
回答已采纳
1回答
我试图在keras连接后获得输出和输入参数，更具体地说是在"concat_“和”隐藏6“层中。
input_A=keras.layers.Input(shape=X1_Train.shape[1])
input_B=keras.layers.Input(shape=X2_Train.shape[1])
hidden1=keras.layers.Dense(activation='linear',units=25)(input_A)
hidden2=keras.layers.Dense(activation='linear',units=25)(hidde
浏览 5提问于2022-09-11得票数 -1
回答已采纳
DenseNet预训练模型(VGG、ResNet、Keras等)在具有输入形状(224,224，3)的ImageNet上训练后建立权重。但是，Keras允许我们指定任何其他输入形状(宽度和高度不应小于32)。当输入形状不是(224,224，3)时，Keras如何确定第一个隐藏层的初始权重？
浏览 0提问于2021-10-22得票数 1
我有一个Lambda层，从上一层获取输入，做一些预处理。Lambda层的输出是一个预测，并使用keras.losses.mean_squared_error。
#model
inputs = Input(shape=(len_train_data_columns,))
dense1 = Dense(777, activation='relu')(inputs)
dropout1 = Dropout(0.4)(dense1)
softmax = Dense(3, activation='softmax')(dropout1)
predictions = Lambd
浏览 0提问于2019-03-28得票数 2
1回答
我试图在keras模型中使用tensorflow操作，我对其机制和Lambda层对tf张量的作用感到相当困惑。
所以这是可行的：
a = keras.layers.Input(shape=[1, 2], dtype='float', name='a')
s= keras.layers.Lambda(lambda x: tf.transpose(tf.transpose(x)))(a)
model = keras.models.Model(inputs=a, outputs=s)
但这是行不通的：
a = keras.layers.Input(shape=[1,
浏览 17提问于2017-12-18得票数 3
1回答
是否可以更改keras框架中的传播函数或参数？我在文档中没有找到任何东西。使用的是哪一个，是最简单的"Input ij = aj*wij“吗？
在文献中我可以找到不同的功能，例如
但是Keras使用的是哪一个呢？
提前谢谢你！
浏览 0提问于2018-05-20得票数 0
2回答
Keras能处理不同大小的输入图像吗？例如，在完全卷积神经网络中，输入图像可以具有任意大小。但是，当我们通过Keras创建网络时，我们需要指定输入形状。因此，我们如何使用Keras来处理不同的输入大小而不将输入图像调整到相同的大小？谢谢你的帮助。
浏览 4提问于2016-10-02得票数 44
下面是tensorflow文档中的代码。()
inputs = tf.keras.Input(shape=(3,))
x = tf.keras.layers.Dense(4, activation=tf.nn.relu)(inputs)
outputs = tf.keras.layers.Dense(5, activation=tf.nn.softmax)(x)
model = tf.keras.Model(inputs=inputs, outputs=outputs)
在tf.keras.Model中，发送与输入和输出张量相关的信息。
但是没有关于建模的信息(两个密集层和激活函数)
如何将建
浏览 3提问于2020-07-08得票数 0
2回答
字向量作为输入
、、、、
我有一个语料库，我想用LSTM和word嵌入来进行情感分析。我已经使用Word2Vec将文档中的单词转换为单词向量。我的问题是如何将这些字向量输入到Keras？我不想使用Keras提供的嵌入。
浏览 0提问于2016-09-07得票数 1
回答已采纳
1回答
我正在用Keras创建一个不同的项目，这是一个基于预先定义的知识(描述为当时的规则)的神经网络的开发，称为Neurules。我创建了一个Python模块，用于从给定的IF-然后逻辑表达式中训练我的每个神经元/神经元，毕竟，我需要使用Keras来创建它作为一个网络，并重用这个模型。
我已经用一个小例子进行了测试，它起了作用，所有手工添加的东西，权重和偏差。现在，我已经更新了我的脚本，它给了我一个JSON，其中包含了添加到Keras的所有权重(直到现在为止)。
这就是我的问题，我有一个有20个神经元的第一层(从IF-然后创建的神经元)，但是我只有两个可能的输出，一些神经元/神经元给了我output
浏览 1提问于2018-11-16得票数 1
回答已采纳
2回答
基本神经网络结构的理解
、、、
现在，如果我使用Keras，并且input_shape大于10，它将如何在其中进行调整。
from tensorflow.keras.models import Sequential
from tensorflow.keras.layers import Dense
model = Sequential()
model.add(Dense(10, activation = 'relu', input_shape = (64,)))
model.add(Dense(3, activation = 'sigmoid'))
model.summary(
浏览 1提问于2020-06-10得票数 0
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
我是Keras和神经网络的新手。我正在撰写一篇论文，并试图在Keras中创建一个SimpleRNN，如下所示：
如图所示，我需要创建一个模型，它有4个输入+2个输出，并且隐藏层中有任意数量的神经元。
这是我的密码：
model = Sequential()
model.add(SimpleRNN(4, input_shape=(1, 4), activation='sigmoid', return_sequences=True))
model.add(Dense(2))
model.compile(loss='mean_absolute_error'
浏览 2提问于2017-08-25得票数 6
回答已采纳
这是我的密码：
from keras.layers import LSTM, Bidirectional, Dense, Input, Flatten
from keras.models import Model
input = Input(shape=(None, 100))
lstm_out = Bidirectional(LSTM(10, return_sequences=True))(input)
something = Flatten()(lstm_out)
output = Dense(22, activation='sof
浏览 0提问于2018-10-28得票数 2
回答已采纳
我有一个简单的模型在MNIST上训练，在一个隐藏层中有600个节点。
一些前兆..。
from __future__ import print_function
import keras
from keras.datasets import mnist
from keras.models import Sequential, Model
from keras.layers import Dense, Dropout, InputLayer, Activation
from keras.optimizers import RMSprop, Adam
import numpy as np
impo
浏览 0提问于2018-04-24得票数 2
是否有可能为Keras层中的批处理中的每个元素生成一个单独的随机变量？
我正在实现一个网络，并试图完全保留Lambda层而不是自定义层，但是我不能使用张量作为keras.backend的任意随机变量生成函数的形状输入，而且也没有像random_like(sample_tensor)这样的函数。
当然，我也可以提供随机变量作为输入，但是这似乎是当前体系结构的一个严重缺陷，所以我可能遗漏了什么吗？
浏览 1提问于2018-03-06得票数 0
回答已采纳
我想对不同的图片进行分类，例如猫和狗。为此，我想训练一个通用网络"A“，它只对输入是猫还是狗进行分类。在此之后，每个普通类的专用子网络应该预测狗或猫的种族。
我知道keras的函数式api，以及如何将输出传递到另一个层或网络，但我的问题是如何将输出仅传递给一个专门的网络，以便在我预测一般类之后，将使用的唯一网络是相应的特殊网络。
所以我想在keras中构建类似的东西：
x = Input(shape(100,))
network_a_out = NetworkA(100)(x)
if(network_a_out == classCat)
out = NetworkCat(100
浏览 0提问于2017-08-21得票数 0
我正在尝试编写我自己的keras层。在这一层中，我想使用一些其他的keras层。有没有办法这样做： class MyDenseLayer(tf.keras.layers.Layer):
def __init__(self, num_outputs):
super(MyDenseLayer, self).__init__()
self.num_outputs = num_outputs
def build(self, input_shape):
self.fc = tf.keras.layers.Dense(self.num_outputs)
def c
浏览 111提问于2019-01-15得票数 15
回答已采纳
我正在为具有不同长度的序列使用Keras构建一个RNN。我将每个序列的缺失值填充为-99 (我没有使用0，因为这在我的数据集中是一个有意义的值)。该模型的定义如下：
model = keras.models.Sequential([
keras.layers.Masking(mask_value=-99, input_shape=(n_lags, n_input_vars)),
keras.layers.LSTM(64, return_sequences=True),
keras.layers.LSTM(16),
keras.layers.Dense(3)
])
浏览 5提问于2019-11-12得票数 0
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
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
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
