小编Nic*_*lla的帖子

我建立了一个模型，该模型由两个分支组成，然后合并为一个分支。对于模型的训练，我想使用 ImageGenerator 来增强图像数据，但不知道如何为混合输入类型工作。有人知道如何在 keras 中处理这个问题吗？任何帮助将不胜感激！

最好的，尼克

模型 第一个分支将图像作为输入：

img_model = Sequential()
img_model.add(Convolution2D( 4, 9,9, border_mode='valid', input_shape=(1, 120, 160)))
img_model.add(Activation('relu'))
img_model.add(MaxPooling2D(pool_size=(2, 2)))
img_model.add(Dropout(0.5))
img_model.add(Flatten()) 

第二个分支将辅助数据作为输入：

aux_model = Sequential()
aux_model.add(Dense(3, input_dim=3))

然后将它们合并到最终模型中：

model = Sequential()
model.add(Merge([img_model, aux_model], mode='concat'))
model.add(Dropout(0.5))
model.add(Dense(5))
model.add(Activation('softmax'))
model.compile(loss='categorical_crossentropy', optimizer='adadelta', metrics=['accuracy']) 

训练/问题： 我尝试执行以下操作，但显然失败了：

datagen = ImageDataGenerator(
            featurewise_center=False,  # set input mean to 0 over the dataset
            samplewise_center=False,  # set each sample mean to 0
            featurewise_std_normalization=False,  # divide inputs by std of …