python 无法引用 tensorflow.keras_python – 使用tensorflow连接(合并)层keras

我想制作一个如下模型.

input data input data

| |

convnet1 convet2

| |

maxpooling maxpooling

| |

- Dense layer -

|

Dense layer

所以,我写了下面的代码.

model1 = Sequential()

model1.add(Conv2D(32, (3, 3), activation='relu', input_shape=(bands, frames, 1)))

print(model1.output_shape)

model1.add(MaxPooling2D(pool_size=(2, 2)))

model1.add(Flatten())

model2 = Sequential()

model2.add(Conv2D(32, (9, 9), activation='relu', input_shape=(bands, frames, 1)))

print(model2.output_shape)

model2.add(MaxPooling2D(pool_size=(4, 4)))

model2.add(Flatten())

modelall = Sequential()

modelall.add(concatenate([model1, model2], axis=1))

modelall.add(Dense(100, activation='relu'))

modelall.add(Dropout(0.5))

modelall.add(Dense(10, activation='softmax')) #number of class = 10

print(modelall.output_shape)

modelall.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])

modelall.fit([X_train, X_train], y_train, batch_size=batch_size, nb_epoch=training_epochs)

score = modelall.evaluate(X_test, y_test, batch_size=batch_size)

但是,我收到了一个错误.

AttributeError: 'Sequential' object has no attribute 'get_shape'

整个错误回溯如下.

Traceback (most recent call last):

File "D:/keras/cnn-keras.py", line 54, in

model.add(concatenate([modelf, modelt], axis=1))

File "C:\Users\Anaconda3\lib\site-packages\keras\layers\merge.py", line 508, in concatenate

return Concatenate(axis=axis, **kwargs)(inputs)

File "C:\Users\Anaconda3\lib\site-packages\keras\engine\topology.py", line 542, in __call__

input_shapes.append(K.int_shape(x_elem))

File "C:\Users\Anaconda3\lib\site-packages\keras\backend\tensorflow_backend.py", line 411, in int_shape

shape = x.get_shape()

AttributeError: 'Sequential' object has no attribute 'get_shape'

张量流引起的错误是什么?有关如何解决它的任何想法?

  • 0
    点赞
  • 0
    收藏
    觉得还不错? 一键收藏
  • 0
    评论

“相关推荐”对你有帮助么?

  • 非常没帮助
  • 没帮助
  • 一般
  • 有帮助
  • 非常有帮助
提交
评论
添加红包

请填写红包祝福语或标题

红包个数最小为10个

红包金额最低5元

当前余额3.43前往充值 >
需支付:10.00
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明:

1.余额是钱包充值的虚拟货币,按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载,可以购买VIP、付费专栏及课程。

余额充值