‘

我正在尝试训练一个具有两个输入分支的CNN。这两个分支（b1, b2）将合并到一个具有256个神经元的全连接层，并设置0.25的 dropout 率。以下是我目前的代码：

batch_size, epochs = 32, 3ksize = 2l2_lambda = 0.0001### 我的第一个模型(b1)b1 = Sequential()b1.add(Conv1D(128*2, kernel_size=ksize,             activation='relu',             input_shape=( xtest.shape[1], xtest.shape[2]),             kernel_regularizer=keras.regularizers.l2(l2_lambda)))b1.add(Conv1D(128*2, kernel_size=ksize, activation='relu',kernel_regularizer=keras.regularizers.l2(l2_lambda)))b1.add(MaxPooling1D(pool_size=ksize))b1.add(Dropout(0.2))b1.add(Conv1D(128*2, kernel_size=ksize, activation='relu',kernel_regularizer=keras.regularizers.l2(l2_lambda)))b1.add(MaxPooling1D(pool_size=ksize))b1.add(Dropout(0.2))b1.add(Flatten())###我的第二个模型 (b2)b2 = Sequential()b2.add(Dense(64, input_shape = (5000,), activation='relu',kernel_regularizer=keras.regularizers.l2(l2_lambda)))b2.add(Dropout(0.1))##合并两个模型model = Sequential()model.add(concatenate([b1, b2],axis = -1))model.add(Dense(256, activation='relu', kernel_initializer='normal',kernel_regularizer=keras.regularizers.l2(l2_lambda)))model.add(Dropout(0.25))model.add(Dense(num_classes, activation='softmax'))

但当我尝试合并时，出现了以下错误：

我首先尝试使用以下命令：

  model.add(Merge([b1, b2], mode = 'concat'))

但我得到了错误‘ImportError: cannot import name ‘Merge”。我使用的是 Keras 2.2.2 和 Python 3.6。

回答：

你需要使用函数式API来实现你想要的功能。你可以使用Concatenate层或其等效的函数式APIconcatenate：

concat = Concatenate(axis=-1)([b1.output, b2.output])# 或者你可以使用函数式API如下：#concat = concatenate([b1.output, b2.output], axis=-1)x = Dense(256, activation='relu', kernel_initializer='normal',          kernel_regularizer=keras.regularizers.l2(l2_lambda))(concat)x = Dropout(0.25)(x)output = Dense(num_classes, activation='softmax')(x)model = Model([b1.input, b2.input], [output])

请注意，我只将你模型的最后一部分转换成了函数式形式。你可以对另外两个模型b1和b2做同样的事情（实际上，看起来你试图定义的架构是一个由两个合并在一起的分支组成的单一模型）。最后，使用model.summary()来查看和重新检查模型的架构。