1層の出力を2層にする方法と、1層をKerasの2層に接続する方法はありますか？

Question

私はこのような層のいくつかの接続、Kerasでモデルを作りたい：

MaxPooling 
     /\ 
    /\ 
pooled poolmask convLayer  
       \ /
       \ /
       upsample 

このタイプの接続はSegnetようで、それがカフェで行うのは簡単です。しかし、私はkerasで実装する方法を知らない。

誰かが私を助けることができますか？

Answer 1

Kerasでも簡単ですが、Keras Functional APIを使用する必要があります。

ここでは、例にhttps://keras.io/getting-started/functional-api-guide/

とコードを見つけることができます。

from keras.layers import Input, Embedding, LSTM, Dense 
from keras.models import Model 

# Headline input: meant to receive sequences of 100 integers, between 1 and 10000. 
# Note that we can name any layer by passing it a "name" argument. 
main_input = Input(shape=(100,), dtype='int32', name='main_input') 

# This embedding layer will encode the input sequence 
# into a sequence of dense 512-dimensional vectors. 
x = Embedding(output_dim=512, input_dim=10000, input_length=100)(main_input) 



# A LSTM will transform the vector sequence into a single vector, 
# containing information about the entire sequence 
lstm_out = LSTM(32)(x) 


auxiliary_input = Input(shape=(5,), name='aux_input') 
x = keras.layers.concatenate([lstm_out, auxiliary_input]) 

auxiliary_output = Dense(1, activation='sigmoid', name='aux_output')(lstm_out) 

# We stack a deep densely-connected network on top 
x = Dense(64, activation='relu')(x) 
x = Dense(64, activation='relu')(x) 
x = Dense(64, activation='relu')(x) 

# And finally we add the main logistic regression layer 
main_output = Dense(1, activation='sigmoid', name='main_output')(x) 

model = Model(inputs=[main_input, auxiliary_input], outputs=[main_output, auxiliary_output]) 

model.compile(optimizer='rmsprop', loss='binary_crossentropy', 
       loss_weights=[1., 0.2]) 

model.fit([headline_data, additional_data], [labels, labels], 
      epochs=50, batch_size=32)