我在 Keras 中使用以下顺序模型。
model = Sequential()
model.add(LSTM(150, input_shape=(29,3)))
model.add(Dense(100))
model.add(Dropout(0.2))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
现在，我想在函数式 Keras 中编写相同的模型。我尝试按如下方式进行操作。
input1 = Input(shape=(29,1))
x1 = LSTM(50)(input1)
input2 = Input(shape=(29,1))
x2 = LSTM(50)(input2)
input3 = Input(shape=(29,1))
x3 = LSTM(50)(input3)
x = concatenate([x1,x2,x3])
但是，我得到的结果却完全不同。所以，我认为我转换原始顺序模型的方式是不正确的。
如果需要，我很乐意提供更多详细信息。
最佳答案
inputs = Input(shape=(29,3))
outputs = LSTM(150)(inputs)
outputs = Dense(100)(outputs)
outputs = Dropout(0.2)(outputs)
outputs = Dense(1, activation='sigmoid')(outputs)
model = Model(inputs, outputs)
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
关于python - 如何将以下顺序模型转换为keras中的函数模型，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/59081232/