我想将具有普通模型的keras嵌入合并到一个顺序模型中,如本repository中的笔记本中所示>
from keras.layers import * from keras.models import * models = [] for categoical_var in categorical_vars : model = Sequential() model.reset_states( ) no_of_unique_cat = df[categoical_var].nunique() embedding_size = min(np.ceil((no_of_unique_cat)/2), 50 ) embedding_size = int(embedding_size) model.add( Embedding( no_of_unique_cat+1, embedding_size, input_length = 1 ) ) model.add(Reshape(target_shape=(embedding_size,))) models.append( model ) model_rest = Sequential() model_rest.add(Dense( 64 , input_dim = 6 )) model_rest.reset_states( ) models.append(model_rest) full_model = Sequential() full_model.add(Merge(models, mode='concat')) full_model.add(Dense(512)) full_model.add(Activation('sigmoid')) full_model.add(Dropout(0.2)) full_model.add(Dense(32)) full_model.add(Activation('sigmoid')) full_model.add(Dropout(0.2)) full_model.add(Dense(1)) full_model.compile(loss='mean_squared_error', optimizer='Adam',metrics=['mse','mape'])
问题是新版本的keras不再使用'Merge',我尝试使用Concatenate,但不适用于顺序模型
有帮助吗?我查看了this,但这是一个不同的问题
[我想将具有普通模型的keras嵌入合并到一个顺序模型中,如在此存储库中的笔记本中,来自keras.layers import * from keras.models import * models = [] for ...