keras中merge用法

今天寫個程序想用Merge層實現兩個模型合並輸出，但是模型在訓練的時候一直出錯，為了解決問題，又把官方文檔好好看了下，找了些資料。

首先keras的文檔中是這樣給出的，把若干個層合並成一個層

keras.engine.topology.Merge(layers=None, mode='sum', concat_axis=-1, dot_axes=-1, output_shape=None, node_indices=None, tensor_indices=None, name=None)

 

layers：該參數為Keras張量的列表，或Keras層對象的列表。該列表的元素數目必須大於1。

mode：合並模式，如果為字符串，則為下列值之一{“sum”，“mul”，“concat”，“ave”，“cos”，“dot”}

其中sum和mul是對待合並層輸出做一個簡單的求和、乘積運算，因此要求待合並層輸出shape要一致。concat是將待合並層輸出沿着最后一個維度進行拼接，因此要求待合並層輸出只有最后一個維度不同。 

下面我要說的主要針對訓練時，Merge是一個層對象，在多個sequential組成的網絡模型中，如果

x：輸入數據。如果模型只有一個輸入，那么x的類型是numpy array，如果模型有多個輸入，那么x的類型應當為list，list的元素是對應於各個輸入的numpy array

y：標簽，numpy array

否則運行時很可能會提示意思就是你輸入的維度與實際不符，好了，說什么都不如寫一個代碼來的實際：

model_left= Sequential()  
model_left.add(Dense(50, input_shape=(784,)))  
model_left.add(Activation('relu'))  
   
model_right = Sequential()  
model_right.add(Dense(50, input_shape=(784,)))  
model_rightadd(Activation('relu'))  
   
model = Sequential()  
model.add(Merge([model_left,model_right], mode='concat'))  
   
model.add(Dense(10))  
model.add(Activation('softmax'))  
   
model.compile(loss='categorical_crossentropy',  optimizer='adam',
              metrics=['accuracy'])  
   
model.fit([X_train, X_train], Y_train, batch_size=64, nb_epoch=30, validation_data=([X_test, X_test], Y_test))