कैसे करे में दो परतों को समतल करना है?

Question 1

मेरे पास दो परतों वाले तंत्रिका नेटवर्क का एक उदाहरण है। पहली परत में दो तर्क होते हैं और एक आउटपुट होता है। दूसरे को पहली परत के परिणामस्वरूप एक तर्क और एक अतिरिक्त तर्क लेना चाहिए। यह इस तरह दिखना चाहिए:

x1  x2  x3
 \  /   /
  y1   /
   \  /
    y2

इसलिए, मैंने दो परतों के साथ एक मॉडल बनाया और उन्हें मर्ज करने की कोशिश की, लेकिन यह एक त्रुटि देता है: The first layer in a Sequential model must get an "input_shape" or "batch_input_shape" argument.लाइन पर result.add(merged)।

नमूना:

first = Sequential()
first.add(Dense(1, input_shape=(2,), activation='sigmoid'))

second = Sequential()
second.add(Dense(1, input_shape=(1,), activation='sigmoid'))

result = Sequential()
merged = Concatenate([first, second])
ada_grad = Adagrad(lr=0.1, epsilon=1e-08, decay=0.0)
result.add(merged)
result.compile(optimizer=ada_grad, loss=_loss_tensor, metrics=['accuracy'])

Question 2

आपको त्रुटि मिल रही है क्योंकि इसे resultपरिभाषित किया गया हैSequential() मॉडल के लिए केवल एक कंटेनर के में है और आपने इसके लिए कोई इनपुट परिभाषित नहीं किया है।

यह देखते हुए कि आप resultतीसरा इनपुट लेने के लिए क्या सेट करना चाहते हैं x3।

first = Sequential()
first.add(Dense(1, input_shape=(2,), activation='sigmoid'))

second = Sequential()
second.add(Dense(1, input_shape=(1,), activation='sigmoid'))

third = Sequential()
# of course you must provide the input to result with will be your x3
third.add(Dense(1, input_shape=(1,), activation='sigmoid'))

# lets say you add a few more layers to first and second.
# concatenate them
merged = Concatenate([first, second])

# then concatenate the two outputs

result = Concatenate([merged,  third])

ada_grad = Adagrad(lr=0.1, epsilon=1e-08, decay=0.0)

result.compile(optimizer=ada_grad, loss='binary_crossentropy',
               metrics=['accuracy'])

हालाँकि, इस तरह की इनपुट संरचना वाले मॉडल के निर्माण का मेरा पसंदीदा तरीका कार्यात्मक एपीआई का उपयोग करना होगा ।

यहां आपको आरंभ करने के लिए अपनी आवश्यकताओं का कार्यान्वयन है:

from keras.models import Model
from keras.layers import Concatenate, Dense, LSTM, Input, concatenate
from keras.optimizers import Adagrad

first_input = Input(shape=(2, ))
first_dense = Dense(1, )(first_input)

second_input = Input(shape=(2, ))
second_dense = Dense(1, )(second_input)

merge_one = concatenate([first_dense, second_dense])

third_input = Input(shape=(1, ))
merge_two = concatenate([merge_one, third_input])

model = Model(inputs=[first_input, second_input, third_input], outputs=merge_two)
ada_grad = Adagrad(lr=0.1, epsilon=1e-08, decay=0.0)
model.compile(optimizer=ada_grad, loss='binary_crossentropy',
               metrics=['accuracy'])

टिप्पणियों में सवाल का जवाब देने के लिए:

1) परिणाम और विलय कैसे जुड़े हैं? आप मानते हैं कि वे कैसे समाप्‍त होते हैं।

इस तरह से काम करता है:

  a        b         c
a b c   g h i    a b c g h i
d e f   j k l    d e f j k l

यानी पंक्तियाँ अभी शामिल हैं।

2) अब, x1पहले x2पर इनपुट है, दूसरे में इनपुट है और x3तीसरे में इनपुट है।

Question 3

उपरोक्त स्वीकृत उत्तर को जोड़ना ताकि यह उन लोगों की मदद करे जो उपयोग कर रहे हैं tensorflow 2.0


import tensorflow as tf

# some data
c1 = tf.constant([[1, 1, 1], [2, 2, 2]], dtype=tf.float32)
c2 = tf.constant([[2, 2, 2], [3, 3, 3]], dtype=tf.float32)
c3 = tf.constant([[3, 3, 3], [4, 4, 4]], dtype=tf.float32)

# bake layers x1, x2, x3
x1 = tf.keras.layers.Dense(10)(c1)
x2 = tf.keras.layers.Dense(10)(c2)
x3 = tf.keras.layers.Dense(10)(c3)

# merged layer y1
y1 = tf.keras.layers.Concatenate(axis=1)([x1, x2])

# merged layer y2
y2 = tf.keras.layers.Concatenate(axis=1)([y1, x3])

# print info
print("-"*30)
print("x1", x1.shape, "x2", x2.shape, "x3", x3.shape)
print("y1", y1.shape)
print("y2", y2.shape)
print("-"*30)

परिणाम:

------------------------------
x1 (2, 10) x2 (2, 10) x3 (2, 10)
y1 (2, 20)
y2 (2, 30)
------------------------------

Question 4

आप के साथ प्रयोग कर सकते हैं model.summary()(concatenate_XX (समसामयिक) परत आकार नोटिस)

# merge samples, two input must be same shape
inp1 = Input(shape=(10,32))
inp2 = Input(shape=(10,32))
cc1 = concatenate([inp1, inp2],axis=0) # Merge data must same row column
output = Dense(30, activation='relu')(cc1)
model = Model(inputs=[inp1, inp2], outputs=output)
model.summary()

# merge row must same column size
inp1 = Input(shape=(20,10))
inp2 = Input(shape=(32,10))
cc1 = concatenate([inp1, inp2],axis=1)
output = Dense(30, activation='relu')(cc1)
model = Model(inputs=[inp1, inp2], outputs=output)
model.summary()

# merge column must same row size
inp1 = Input(shape=(10,20))
inp2 = Input(shape=(10,32))
cc1 = concatenate([inp1, inp2],axis=1)
output = Dense(30, activation='relu')(cc1)
model = Model(inputs=[inp1, inp2], outputs=output)
model.summary()

आप विस्तार से देखने के लिए यहां नोटबुक देख सकते हैं: https://nbviewer.jupyter.org/github/anhhh11/DeepLearning/blob/master/Concanate_two_layer_keras.ipbb