我有一个用Sequential风格编写的Keras代码。但我试图切换到Functional模式，因为我想使用merge函数。然而，在声明Model(x, out)时遇到了下面的错误。我的Functional API代码哪里出错了？
# Sequential, 这是可用的# out_size==16, seq_len==1model = Sequential()model.add(LSTM(128, input_shape=(seq_len, input_dim), activation='tanh', return_sequences=True))model.add(TimeDistributed(Dense(out_size, activation='softmax')))# Functional APIx = Input((seq_len, input_dim))lstm = LSTM(128, return_sequences=True, activation='tanh')(x)td = TimeDistributed(Dense(out_size, activation='softmax'))(lstm)out = merge([td, Input((seq_len, out_size))], mode='mul')model = Model(input=x, output=out) # 错误在这里RuntimeError: 图形断开连接：无法获取张量 Tensor(“input_40:0”, shape=(?, 1, 16), dtype=float32) 在层 “input_40” 的值。以下先前访问的层没有问题：[‘input_39’, ‘lstm_37’]
更新
谢谢@Marcin Możejko。我最终成功了。
x = Input((seq_len, input_dim))lstm = LSTM(128, return_sequences=True, activation='tanh')(x)td = TimeDistributed(Dense(out_size, activation='softmax'))(lstm)second_input = Input((seq_len, out_size)) # 对象实例化并作为变量保存。out = merge([td, second_input], mode='mul')model = Model(input=[x, second_input], output=out) # 第二个输入提供给model.compile(...)# 然后我添加了两个输入model.fit([trainX, filter], trainY, ...)回答：
有人可能会注意到，通过Input((seq_len, out_size))调用创建的对象引用只能从merge函数调用环境中访问。此外 – 它没有添加到Model定义中 – 这使得图形断开连接。你需要做的是：
x = Input((seq_len, input_dim))lstm = LSTM(128, return_sequences=True, activation='tanh')(x)td = TimeDistributed(Dense(out_size, activation='softmax'))(lstm)second_input = Input((seq_len, out_size)) # 对象实例化并作为变量保存。out = merge([td, second_input], mode='mul')model = Model(input=[x, second_input], output=out) # 第二个输入提供给模型