1. Nauka
    2. /
  2. Kursy
    3. /
  3. Wprowadzenie do TensorFlow w Pythonie
Connected

ćwiczenie

Definiowanie modelu z wieloma wejściami

W niektórych przypadkach sekwencyjne API może być niewystarczająco elastyczne, by obsłużyć wymaganą architekturę modelu – wtedy warto sięgnąć po funkcjonalne API. Jeśli na przykład chcesz jednocześnie trenować dwa modele o różnych architekturach, właśnie to API będzie właściwym wyborem. W tym ćwiczeniu zobaczysz, jak to zrobić. Skorzystasz też z metody .summary(), aby przejrzeć architekturę połączonego modelu.

Zwróć uwagę, że keras zostało już zaimportowane z tensorflow. Warstwy wejściowe pierwszego i drugiego modelu zostały zdefiniowane odpowiednio jako m1_inputs i m2_inputs. Oba modele mają tę samą architekturę, ale jeden z nich używa aktywacji sigmoid w pierwszej warstwie, a drugi – relu.

Instrukcje

100 XP
  • Przekaż warstwę wejściową modelu 1 do jego pierwszej warstwy, a pierwszą warstwę modelu 1 do jego drugiej warstwy.
  • Przekaż warstwę wejściową modelu 2 do jego pierwszej warstwy, a pierwszą warstwę modelu 2 do jego drugiej warstwy.
  • Użyj operacji add(), aby połączyć drugie warstwy modelu 1 i modelu 2.
  • Uzupełnij definicję modelu funkcjonalnego.