Как делать прогнозы с моделью с несколькими входами в тензорном потоке (без model.predict) - PullRequest
Новая
       83

Как делать прогнозы с моделью с несколькими входами в тензорном потоке (без model.predict)

0 голосов
/ 30 мая 2020 
noise = Input(shape=(100,))
label = Input(shape=(10,))

x = Dense(128)(noise)
x = BatchNormalization()(x)
x = LeakyReLU()(x)

y = Dense(128)(label)
y = BatchNormalization()(y)
y = LeakyReLU()(y)

x = concatenate([x, y], axis=-1)
x = Dense(256)(x)
x = BatchNormalization()(x)
x = LeakyReLU()(x)
x = Dense(512)(x)
x = BatchNormalization()(x)
x = LeakyReLU()(x)
x = Dense(1024)(x)
x = BatchNormalization()(x)
x = LeakyReLU()(x)
x = Dense(784, activation='tanh')(x)
image = Reshape((28, 28, 1))(x)

model = Model(inputs=[noise, label], outputs=[image])

Вот мой код для построения модели с множественным входом . В этом случае model.predict(x=[noise, label]), похоже, используется для прогнозирования модели.

Думаю, model.predict(x) можно заменить на model(x). Я попробовал model([noise, label]), но это не сработало. Вроде продолжаю расширять модель. Есть ли способ заставить работать метод model(x)? Пожалуйста помоги. (Не могу использовать model.predict(x=[noise, label])

...