Keras中不同数据类型的深度学习模型

使用keras函数API实现这样的网络相当容易。 假设已定义两个连续模型来处理文本和数字特征,则可以合并输出并继续使用更多层:

txt_input = keras.layers.Input(shape=(n,))
txt_feat = text_network(txt_input)
num_input = keras.layers.Input(shape=(m,))
num_feat = num_network(input2)
concatinated = keras.layers.Concatenate()([txt_feat, num_feat])

out = keras.layers.Dense(nodes)(concatinated)
model = keras.models.Model(inputs=[input1, input2], outputs=out)

您还可以使用其他类型的合并 merge layer 来自keras。