如何正确使用keras.layers.merge在模型中合并层？

本文共计307个文字，预计阅读时间需要2分钟。

旧版本中：从keras.layers导入merge，merge6=merge([layer1, layer2]，mode='concat', concat_axis=3)

新版本中：从keras.layers.merge导入concatenate，merge=concatenate([layer1, layer2]，axis=3)

补充知识：keras导出

旧版本中：

from keras.layers import merge
merge6 = merge([layer1,layer2], mode = 'concat', concat_axis = 3)

新版本中：

from keras.layers.merge import concatenate
merge = concatenate([layer1, layer2], axis=3)

补充知识：keras输入数据的方法：model.fit和model.fit_generator

1.第一种，普通的不用数据增强的

from keras.datasets import mnist,cifar10，cifar100 (X_train, y_train), (X_valid, Y_valid) = cifar10.load_data() model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch, shuffle=True, verbose=1, validation_data=(X_valid, Y_valid), )

2.第二种，带数据增强的 ImageDataGenerator，可以旋转角度、平移等操作。

from keras.preprocessing.image import ImageDataGenerator (trainX, trainY), (testX, testY) = cifar100.load_data() trainX = trainX.astype('float32') testX = testX.astype('float32') trainX /= 255. testX /= 255. Y_train = np_utils.to_categorical(trainY, nb_classes) Y_test = np_utils.to_categorical(testY, nb_classes) generator = ImageDataGenerator(rotation_range=15, width_shift_range=5./32, height_shift_range=5./32) generator.fit(trainX, seed=0) model.fit_generator(generator.flow(trainX, Y_train, batch_size=batch_size), steps_per_epoch=len(trainX) // batch_size, epochs=nb_epoch, callbacks=callbacks, validation_data=(testX, Y_test), validation_steps=testX.shape[0] // batch_size, verbose=1)

以上这篇关于keras中keras.layers.merge的用法说明就是小编分享给大家的全部内容了，希望能给大家一个参考，也希望大家多多支持易盾网络。