Как подготовить train_Y для нескольких входов и одного выхода в Keras(модель CNN+LSTM)?
У меня есть вопрос для подготовки набора меток поезда (train_Y).
Давайте посмотрим этот код ниже.
# first input model
visible1 = Input(shape=(64,64,1))
conv11 = Conv2D(...)(visible1)
pool11 = MaxPooling2D(...)(conv11)
flat1 = Flatten()(pool12)
#second input model
visible2 = Input(shape=(32,32,1))
conv21 = Conv2D(...)(visible2)
pool21 = MaxPooling2D(...)(conv21)
flat2 = Flatten()(pool22)
# merge input models
merge = concatenate([flat1, flat2])
# interpretation model
LSTM1 = LSTM(32, activation='relu')(merge)
dense1 = Dense(10, activation='relu')(LSTM1)
output = Dense(4, activation='softmax')(dense1)
model = Model(inputs=[visible1, visible2], outputs=output)
Если у меня есть два вида звуковых функций (например, MFCC, STFT), и они являются входом для 2 видов CNN, соответственно. И затем, я хочу объединить (или объединить) их в один, и использовать для ввода LSTM.
Мои два вида наборов классов объектов имеют одинаковые 4 класса, но их наборы данных двух объектов имеют разный train_Y, потому что длина каждого элемента dims не совпадают с другим набором данных train_Y. (для реализации model.fit ())
но в исходном коде есть два входа (visible1, visible2), но они имеют только один выход (или Y).
В таком случае, как я могу подготовить набор меток данных (train_Y)?