1

在 python 中，我正在尝试使用 keras 中的 Sequential 构建神经网络模型来执行二进制分类。请注意，X 是时间序列数据 59x1000x3（样本 x 时间步长 x 特征）的 numpy 数组，D 是 59x100（样本 x 辅助特征）的 numpy 数组。我想通过 lstm 层传递时间序列，然后在后面的层中增加附带的特征（即连接两层）。

我适合模型的代码如下：

def fit_model(X, y, D, neurons, batch_size, nb_epoch):
    model = Sequential()
    model.add(LSTM(units = neurons, input_shape = (X.shape[1], X.shape[2]))
    model.add(Dropout(0.1))
    model.add(Dense(10))
    input1 = Sequential()
    d = K.variable(D)
    d_input = Input(tensor=d)
    input1.add(InputLayer(input_tensor=d_input))
    input1.add(Dropout(0.1))
    input1.add(Dense(10))
    final_model = Sequential()
    merged = Concatenate([model, input1])
    final_model.add(merged)
    final_model.add(Dense(1, activation='sigmoid'))
    final_model.compile(loss = 'binary_crossentropy', optimizer = 'adam')
    final_model.fit(X, y, batch_size = batch_size, epochs = nb_epoch)
    return final_model

我收到以下错误：

ValueError：Concatenate应在至少 2 个输入的列表上调用层

我尝试使用合并/连接/功能 api/不是功能 api 的各种排列，但我一直在着陆，但出现某种错误。我已经看到使用来自 keras.engine.topology 的 Merge 的答案。但是，它现在似乎已被弃用。任何在使用 Sequential 时修复错误或如何将代码转换为功能 API 的建议将不胜感激。谢谢。

4

1 回答 1

0

您错误地将模型和输入作为连接层的参数传递：

merged = Concatenate([model, input1])

尝试传递另一个输入层：

merged = Concatenate([input1, input2])
于 2021-07-19T23:52:21.643 回答