下面有一段两个Sequential的model连接一起的例子

错误示例

错误代码如下，

from keras.models import Sequential
from keras.layers.core import Dense
from keras.layers import Concatenate
import numpy as npleft_branch = Sequential()
left_branch.add(Dense(32, input_dim=1))right_branch = Sequential()
right_branch.add(Dense(32, input_dim=1))merged = Concatenate([left_branch, right_branch])model= Sequential()
model.add(merged)
model.add(Dense(10, activation='softmax'))input_data_1=np.linspace(1,32, num=32)
input_data_2=np.linspace(1,1, num=32)
targets=np.array([1,1,1,1,1,0,0,0,0,0])
final_data = np.concatenate([input_data_1,input_data_2])
model.compile(optimizer='rmsprop', loss='categorical_crossentropy')
model.fit(final_data, targets)

在执行时抛出如下错误：

A `Concatenate` layer should be called on a list of at least 2 inputs

上层有两个Sequential的model，输入应该是两个，所以改一下

final_model.fit([input_data_1,input_data_2], targets)

但是又抛出异常assert len(inputs) == 1

错误原因

Sequential是一个model对象，对于Concatenate操作，是对Layer的操作。所以left_branch和right_brach需要改为layer对象
最终的model不需要Sequential来建立，直接调用Model生成，然后指定inputs/outputs即可
fit的时候需要单独输入两个Input的值

正确示例

left_input = Input(shape=((1, 32)))
right_input = Input(shape=((1, 32)))
left_branch = Dense(10)(left_input)
right_branch = Dense(10)(right_input)layer_cb = keras.layers.concatenate([left_branch, right_branch])
layer_out = Dense(2)(layer_cb)model = Model(inputs=[left_input, right_input], outputs=layer_out)model.summary()input_data_1=np.linspace(1,32, num=32).reshape((1,1,32))
input_data_2=np.linspace(1,1, num=32).reshape((1,1,32))
targets=np.array([1,0]).reshape((1, 1, 2))model.compile(optimizer='rmsprop', loss='categorical_crossentropy')
model.fit([input_data_1, input_data_2], targets)

【keras】A `Concatenate` layer should be called on a list of at least 2 inputs相关推荐

【Keras】The added layer must be an instance of class Layer.
背景本人使用keras 2.2 + tensorflow 1.14 遇到如下问题 The added layer must be an instance of class Layer. Found: ...
【Keras】基于SegNet和U-Net的遥感图像语义分割
from:[Keras]基于SegNet和U-Net的遥感图像语义分割上两个月参加了个比赛,做的是对遥感高清图像做语义分割,美其名曰"天空之眼".这两周数据挖掘课期末projec ...
【keras】一维卷积神经网络多分类
刚刚接触到深度学习,前2个月的时间里,我用一维的卷积神经网络实现了对于一维数据集的分类和回归.由于在做这次课题之前,我对深度学习基本上没有过接触,所以期间走了很多弯路. 在刚刚收到题目的要求时,我选择 ...
【keras】3. 泰坦尼克号数据集处理与预测
[参考:1-01 实战泰坦尼克号沉船人员获救案例数据清洗_哔哩哔哩_bilibili] [参考:Titanic - Machine Learning from Disaster | Kaggle] ...
【Keras】减少过拟合的秘诀——Dropout正则化
摘要: Dropout正则化是最简单的神经网络正则化方法.阅读完本文,你就学会了在Keras框架中,如何将深度学习神经网络Dropout正则化添加到深度学习神经网络模型里. Dropout正则化是最简 ...
【keras】Input 0 of layer conv2d is incompatible with the layer. expected ndim=4, found ndim=3
在构建卷积神经网络时,遇到了这个错误 ValueError: Input 0 of layer conv2d is incompatible with the layer: expected ndim ...
【Keras】学习笔记（一）
传送门:Keras 中文文档文章目录一.准备工作 1.概述 2.安装 3.GPU设置 (1)单GPU运行 (2)多GPU运行二.顺序模型简单示例 1.整体流程 (1)顺序模型的构建--Sequ ...
【Keras】Win10系统 + Anaconda+TensorFlow+Keras 环境搭建教程
1. 安装 Anaconda 打开 Anaconda 的官方下载地址:https://www.anaconda.com/download/ 选择 Python 对应的version 下载.下载完成后直 ...
【keras】image_ocr学习
前言 CNN+RNN的网络结构 CTC损失函数数据生成模型训练结果可视化参考链接和论文前言 demo来自keras/examples/image_ocr.py,简单修改了之后在windows ...

【keras】A `Concatenate` layer should be called on a list of at least 2 inputs

错误示例

错误原因

正确示例

【keras】A `Concatenate` layer should be called on a list of at least 2 inputs相关推荐

最新文章

热门文章