在许多新手眼中,深度学习模型是建立的,它只能是一个固定的输入和输出,甚至模型只能建立一个输入和输出。其实,深度学习模型是很灵活的,要有几个输入有几个输入,要有几个输出有几个输出,要输出哪一层,要输出哪一层。今天,我们将用一些来自 Keras 的例子来帮助你更深入地理解深度模型。
多输入多输出
什么情况下需要模型的多输入多输出?
•多输入,单输出
比如在做文本进行分类工作任务时,我不仅仅可以通过分析文本content去预测研究结果,还想使用标题特征。
Content = Input (form = (300,)) # 输入文本的长度为300
title_in = Input(shape=(20,)) #输入标题为20
Emb _ layer = embedding (4000,300) #嵌入层,其中4000代表总字数,300为输出维度。
#文本向量和标题向量共享嵌入层。
Content _ Embedding = Embedding Layer (Content _ Input)
title_emb = emb_layer(title_in)
lstm_content = LSTM(128)
lstm_title = LSTM(128)