您遇到了这个错误是因为定义为
Sequential()
的
result
只是模型的容器,并且您尚未为其定义输入。
针对您试图构建的内容,将
result
设置为接受第三个输入
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()
third.add(Dense(1, input_shape=(1,), activation='sigmoid'))
merged = Concatenate([first, second])
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'])
然而,我建议使用函数式API来构建具有这种输入结构的模型。
以下是一个实现您需求的示例供您参考:
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'])
回答评论中的问题:
- 结果和合并如何连接?假设您的意思是它们如何连接起来。
连接的方法如下:
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
即行只是连接在一起。
- 现在,
x1
被输入到第一个,x2
被输入到第二个,x3
被输入到第三个。