在Keras的密集層之前添加分類特徵？

Question

我正在研究CNN模型，並希望在密集層之前添加新的分類特徵。我試圖將特徵連接到CNN層的平坦輸出，但看起來像Keras中的連接函數需要輸入張量而不是數組。我應該怎麼做呢？這裏是我到目前爲止已經試過代碼：我試圖使用串聯功能

model = Sequential() 
model.add(Conv2D(128, (6, 6), padding='same')) 
model.add(Activation('relu')) 
model.add(Conv2D(128, (6, 6))) 
model.add(Activation('relu')) 
model.add(MaxPooling2D(pool_size=(2, 2))) 
model.add(Dropout(0.25)) 
model.add(Flatten()) 

，但它可以加入張量，哪裏是我的特點是形狀的numpy的陣列（1,3）。任何幫助，將不勝感激。

Answer 1

您應該在實際模型的一側創建新模型。 這個第二個模型將會輸入你的numpy數組，並且什麼也不做。

然後你連接它們。

這樣的 - >

m1 = Sequential() 
m1.add(Conv2D(128, (6, 6), padding='same')) 
m1.add(Activation('relu')) 
m1.add(Conv2D(128, (6, 6))) 
m1.add(Activation('relu')) 
m1.add(MaxPooling2D(pool_size=(2, 2))) 
m1.add(Dropout(0.25)) 
m1.add(Flatten()) 

m2 = Sequential() 
m2.add(Input()) # Put needed infos to input your numpy array 
#Don't forget to flatten it if needed ? 

model = Sequential() 
model.add(Merge([m1,m2], mode='concat')) 
#Then add your final layer. 
#To train it, in place of the normal var X_train, you'll use [X_train,yournumpyarray] in model.train method