20.函数式API建立模型

最新推荐文章于 2025-03-24 12:37:32 发布

原创最新推荐文章于 2025-03-24 12:37:32 发布 · 398 阅读

0 ·

CC 4.0 BY-SA版权

文章标签：

#深度学习 #tensorflow

这篇博客介绍了如何利用Keras的函数式API来创建复杂的模型，包括多输入和多输出结构。通过实例展示了如何将两个输入层合并，经过一系列隐藏层处理，最终得到单一输出层的过程。这种方法适用于处理需要融合不同数据源的场景，如图像和文本数据的融合。

函数式API建立模型

input = keras.Input(shape=(28, 28))
x = keras.layers.Flatten()(input) #就理解成keras.layers.Flatten()是个函数，传递的函数是input
x=keras.layers.Dense(32, activation = ‘relu’)(x)
x=kera.layers.Dropout(0.5)(x)
x=keras.layers.Dense(64,activation=‘relu’)(x)
output=keras.layers.Dense(10,activation=‘sofumax’)(x) #输出层
model = keras.Model(inputs=input, outputs=output) #告诉模型是哪个是输出哪个是输入

编译与前面建立模型一样。

函数式API好处-----建立多输入多输出模型
input1 = keras.Input(shape=(28, 28))
input2 = keras.Input(shape=(28, 28))
x1 = keras.layers.Flatten()(input1) #就理解成keras.layers.Flatten()是个函数，传递的函数是input
x2 = keras.layers.Flatten()(input2)
x= keras.layers.concatenate([x1,x2]) #把两个输入拼接起来
x=keras.layers.Dense(32, activation = ‘relu’)(x)
x=kera.layers.Dropout(0.5)(x)
x=keras.layers.Dense(64,activation=‘relu’)(x)
output=keras.layers.Dense(1,activation=‘sofumax’)(x) #输出层
model = keras.Model(inputs=[input1,input2], outputs=output) #告诉模型是哪个是输出哪个是输入