Keras复杂网络的搭建

最新推荐文章于 2024-03-19 15:22:36 发布

格拉迪沃

最新推荐文章于 2024-03-19 15:22:36 发布

阅读量1.8k

点赞数 3

分类专栏： keras学习文章标签： keras 模型搭建进阶

本文链接：https://blog.csdn.net/qq_32796253/article/details/89183664

版权

本文介绍了如何使用Keras的函数式API构建复杂的深度学习模型，包括多输入、多输出网络、Inception模块、残差连接，并展示了如何将层作为独立模型。对于多输入模型，例如问答系统，模型接受问题和文本片段作为输入。而在多输出模型中，如预测用户属性，可以针对不同预测目标使用不同损失函数。同时，文中探讨了Inception结构和残差网络的设计，以及如何构建共享层的双摄像头视觉模型。

摘要由CSDN通过智能技术生成

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。
在这里插入图片描述

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',<