深度学习：输入和输出不同情况模型分享

龙寻天下

已于 2022-11-17 23:53:52 修改

阅读量972

点赞数

文章标签：深度学习人工智能

于 2022-11-17 23:53:20 首次发布

本文链接：https://blog.csdn.net/weixin_50663922/article/details/127914375

版权

这篇博客探讨了深度学习模型在不同输入输出情况下的处理方式，包括单输入单输出、单输入多输出的场景，并介绍了具体的方法，如列表推导式在处理多输出时的应用，以及在验证码识别等案例中如何进行数据合并等操作。同时，文章也简要提到了多输入多输出的情况。

摘要由CSDN通过智能技术生成

单输入--单输出

input = tf.keras.Input(shape = (256,256,3))
c1 = tf.keras.layers.Conv2D(16,3,activation = 'relu')(input)
c1 = tf.keras.layers.MaxPool2D(3,2)(c1)
c1 = tf.keras.layers.Flatten()(c1)
output = tf.keras.layers.Dense(10,activation = 'softmax')(c1)
model = tf.keras.Model(inputs = input,outputs = output)
tf.keras.utils.plot_model(model,show_shapes=True)

单输入--多输出

方法1：

input = tf.keras.Input(shape = (256,256,3))
c1 = tf.keras.layers.Conv2D(16,3,activation = 'relu')(input)
c1 = tf.keras.layers.MaxPool2D(3,2)(c1)
c1 = tf.keras.layers.Flatten()(c1)
output1 = tf.keras.layers.Dense(10,activation = 'softmax')(c1)
output2 &