Как объединить несколько моделей Keras, чтобы получить один выход без какого-либо дополнительного обучения - PullRequest
Новая
       47

Как объединить несколько моделей Keras, чтобы получить один выход без какого-либо дополнительного обучения

0 голосов
/ 14 мая 2018

Вот код простейшей модели cnn, которую я обучал. Теперь моя проблема заключается в том, что вместо одной модели мне нужно создать несколько моделей (например, 5 models = [model1, model2, .., model5]) и обучить данные этих моделей с помощью циклов. 

model = Sequential()
model.add(Conv2D(32, kernel_size=(3, 3),
                 activation='relu',
                 input_shape=input_shape))
model.add(Conv2D(64, (3, 3), activation='relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))
model.add(Dropout(0.25))
model.add(Flatten())
model.add(Dense(128, activation='relu'))
model.add(Dropout(0.5))
model.add(Dense(num_classes, activation='softmax'))

model.compile(loss=keras.losses.categorical_crossentropy,
              optimizer=keras.optimizers.SGD(),
              metrics=['accuracy'])

# train your model 
history = model.fit(x_train, y_train,
          batch_size=batch_size,
          epochs=epochs,
          verbose=1,
          validation_data=(x_test, y_test))
score = model.evaluate(x_test, y_test, verbose=0)
...