Keras复杂网络的搭建

概述

在我们刚接触keras时候用的都是用的Sequential模型实现的，但是这种网络只能有一个输入和一个输出，如果我们要搭建多模态的网络（多输入多输出，层与层之间的跨越连接等）就要用keras函数式API了。

Sequential To 函数API

函数式API就是建立一个层，接受张量并返回张量。我们俩看看Sequential模型以及对应的函数式API实现

from keras.models import Sequential, Model
from keras import layers
from keras import Input
seq_model = Sequential()
seq_model.add(layers.Dense(32, activation='relu', input_shape=(64,)))
seq_model.add(layers.Dense(32, activation='relu'))
seq_model.add(layers.Dense(10, activation='softmax'))

input_tensor = Input(shape=(64,))
x = layers.Dense(32, activation='relu')(input_tensor)
x = layers.Dense(32, activation='relu')(x)
output_tensor = layers.Dense(10, activation='softmax')(x)
model = Model(input_tensor, output_tensor)
model.summary()

多输入模型

典型的问答模型有两个输入：一个自然语言描述的问题和一个文本片段（比如新闻文章），后者提供用于回答问题的信息。然后模型要生成一个回答，在最简单的情况下，这个回答只包含一个词，可以通过对某个预定义的词表做softmax 得到。

from keras.models import Model
from keras import layers
from keras import Input
text_vocabulary_size = 10000
question_vocabulary_size = 10000
answer_vocabulary_size = 500
#参考文本
text_input = Input(shape=(None,), 
 				   dtype='int32', 
 				   name='text')
embedded_text = layers.Embedding(text_vocabulary_size, 64)(text_input)
encoded_text = layers.LSTM(32)(embedded_text)
#问题
question_input = Input(shape=(None,),
                       dtype='int32',