কেরাসে দুটি স্তরকে কীভাবে সংযুক্ত করতে হয়?

Question 1

আমার কাছে দুটি স্তর সহ নিউরাল নেটওয়ার্কের উদাহরণ রয়েছে। প্রথম স্তরটি দুটি আর্গুমেন্ট নেয় এবং একটি আউটপুট থাকে। দ্বিতীয়টি প্রথম স্তরের এবং একটি অতিরিক্ত যুক্তির ফলাফল হিসাবে একটি যুক্তি গ্রহণ করা উচিত। এটি দেখতে এইরকম হওয়া উচিত:

x1  x2  x3
 \  /   /
  y1   /
   \  /
    y2

সুতরাং, আমি দুটি স্তর সহ একটি মডেল তৈরি করেছি এবং সেগুলিকে একীভূত করার চেষ্টা করেছি তবে এটি একটি ত্রুটি প্রদান করে: The first layer in a Sequential model must get an "input_shape" or "batch_input_shape" argument.লাইনে result.add(merged)।

মডেল:

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

আপনি ত্রুটিটি পাচ্ছেন কারণ এটি resultনির্ধারিত হয়েছে Sequential()কেবলমাত্র মডেলের জন্য একটি ধারক এবং আপনি এটির জন্য কোনও ইনপুট সংজ্ঞায়িত করেননি।

resultতৃতীয় ইনপুট নেওয়ার জন্য আপনি যা সেট তৈরি করতে চাইছেন তা দেওয়া হয়েছে 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 which 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'])

তবে এই ধরণের ইনপুট কাঠামো রয়েছে এমন একটি মডেল তৈরির জন্য আমার পছন্দের উপায়টি হ'ল কার্যকরী এপিআই ব্যবহার করা ।

আপনাকে শুরু করতে এখানে আপনার প্রয়োজনীয়তার একটি বাস্তবায়ন দেওয়া হল:

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'])

মন্তব্যে প্রশ্নের উত্তর দিতে:

ফলাফল এবং সংযুক্ত কিভাবে হয়? ধরে নিচ্ছেন আপনি বোঝাচ্ছেন তারা কীভাবে সংমিশ্রিত হয়।

কনটেনটেশন এটির মতো কাজ করে:

  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

অর্থাৎ সারি সবেমাত্র যুক্ত হয়েছে।

এখন, x1প্রথম x2ইনপুট হয়, দ্বিতীয় এবং x3ইনপুট তৃতীয়।

Question 3

উপরোক্ত-স্বীকৃত উত্তরে যুক্ত করা যাতে এটি যারা ব্যবহার করছেন তাদের সহায়তা করে 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)

ফলাফল:

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

Question 4

আপনি পরীক্ষা করতে পারেন model.summary()(কনক্যাটেনেট_ এক্সএক্স (কনক্যাটেনেট) স্তর আকারটি লক্ষ্য করুন)

# 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()

আপনি এখানে বিশদ নোটবুক দেখতে পারেন: https://nbviewer.jupyter.org/github/anhhh11/DipLearning/blob/master/Cancanate_two_layer_keras.ipynb