如何让Keras模型同时处理多个输入数据？

本文共计889个文字，预计阅读时间需要4分钟。

Keras通过其功能API可以处理多个输入输出。功能API与顺序API相对，可用于定义更复杂的非顺序模型。这包括：

- 多输入模型- 多输出模型

Keras 能够通过其功能 API 处理多个输入（甚至多个输出）。功能 API 与顺序 API（您之前几乎可以肯定通过 Sequential 类使用过）相反，可用于定义更复杂的非顺序模型，包括：

• 多输入模型
• 多输出型号
• 既是多输入又是多输出的模型
• 有向无环图
• 具有共享层的模型

例如，我们可以将一个简单的顺序神经网络定义为：

model = Sequential()
model.add(Dense(8, input_shape=(10,), activation="relu"))
model.add(Dense(4, activation="relu"))
model.add(Dense(1, activation="linear"))

该网络是一个简单的前馈神经网络，没有 10 个输入，第一个隐藏层有 8 个节点，第二个隐藏层有 4 个节点，最后一个输出层用于回归。

我们可以使用功能 API 定义示例神经网络：

inputs = Input(shape=(10,))
x = Dense(8, activation="relu")(inputs)
x = Dense(4, activation="relu")(x)
x = Dense(1, activation="linear")(x)
model = Model(inputs, x)

请注意我们如何不再依赖 Sequential 类。