Q&A
前提・実現したいこと
pythonを使用してdeeplearningの実装を行いたいです
データから分類を行うモデルと、分類の結果から推定を行うモデルの二つを組み合わせた人工知能を作成したいのですが、どのように組み合わせたらよいのかいまいちわかりません
どなたか、もしよろしければ参考にした方がよいサイトやアドバイスなど含めてご助力御願いいたします
発生している問題・エラーメッセージ
特になし
該当のソースコード
現段階で作成できているところ
python
1#入力データ=(frame, dim)=(8000, 72) 2 3I = [12, 15, 15, 15, 15] 4epochs = 100 5batch_size = 40 6time_size = 4 7drop_out = 0.5 8 9hidden_finger_size = 10 #指の中間層サイズ 10output_finger_size = 5 #指の出力層サイズ 11output_hand_size = 10 #手の出力層サイズ 12hidden_LSTM_size = 10 #LSTMの中間層サイズ 13 14train_x, train_t, test_x, test_t = load_hand_data(["a.txt", "i.txt", "u.txt", "e.txt", "ku.txt", "se.txt", "so.txt", "ma.txt", "ru.txt", "ya.txt"], 15 [0, 1, 2, 3, 4, 5, 6, 7, 8, 9]) 16 17print("train data size =", train_x.shape, " test data size =", test_x.shape) 18 19#train_data 20h_1_0 = train_x[:, :I[0]] #親指 21h_1_1 = train_x[:, I[0]:I[0]+I[1]] #人差し指 22h_1_2 = train_x[:, I[0]+I[1]:I[0]+I[1]+I[2]] #中指 23h_1_3 = train_x[:, I[0]+I[1]+I[2]:I[0]+I[1]+I[2]+I[3]] #薬指 24h_1_4 = train_x[:, I[0]+I[1]+I[2]+I[3]:] #小指 25 26#test_data 27h_2_0 = test_x[:, :I[0]] #親指 28h_2_1 = test_x[:, I[0]:I[0]+I[1]] #人差し指 29h_2_2 = test_x[:, I[0]+I[1]:I[0]+I[1]+I[2]] #中指 30h_2_3 = test_x[:, I[0]+I[1]+I[2]:I[0]+I[1]+I[2]+I[3]] #薬指 31h_2_4 = test_x[:, I[0]+I[1]+I[2]+I[3]:] #小指 32 33#input 34inputs_0 = Input(shape=(12, ), name='inputs_0') 35inputs_1 = Input(shape=(15, ), name='inputs_1') 36inputs_2 = Input(shape=(15, ), name='inputs_2') 37inputs_3 = Input(shape=(15, ), name='inputs_3') 38inputs_4 = Input(shape=(15, ), name='inputs_4') 39 40#dense_1 41dense_1_0 = Dense(hidden_finger_size, name='dense_1_0')(inputs_0) 42dense_1_1 = Dense(hidden_finger_size, name='dense_1_1')(inputs_1) 43dense_1_2 = Dense(hidden_finger_size, name='dense_1_2')(inputs_2) 44dense_1_3 = Dense(hidden_finger_size, name='dense_1_3')(inputs_3) 45dense_1_4 = Dense(hidden_finger_size, name='dense_1_4')(inputs_4) 46 47#activate_1 48activation_1_0 = Activation(activation='sigmoid', name='activation_1_0')(dense_1_0) 49activation_1_1 = Activation(activation='sigmoid', name='activation_1_1')(dense_1_1) 50activation_1_2 = Activation(activation='sigmoid', name='activation_1_2')(dense_1_2) 51activation_1_3 = Activation(activation='sigmoid', name='activation_1_3')(dense_1_3) 52activation_1_4 = Activation(activation='sigmoid', name='activation_1_4')(dense_1_4) 53 54#dense_2 55dense_2_0 = Dense(output_finger_size, name='dense_2_0')(activation_1_0) 56dense_2_1 = Dense(output_finger_size, name='dense_2_1')(activation_1_1) 57dense_2_2 = Dense(output_finger_size, name='dense_2_2')(activation_1_2) 58dense_2_3 = Dense(output_finger_size, name='dense_2_3')(activation_1_3) 59dense_2_4 = Dense(output_finger_size, name='dense_2_4')(activation_1_4) 60 61#activate_2 62activation_2_0 = Activation(activation='sigmoid', name='activation_2_0')(dense_2_0) 63activation_2_1 = Activation(activation='sigmoid', name='activation_2_1')(dense_2_1) 64activation_2_2 = Activation(activation='sigmoid', name='activation_2_2')(dense_2_2) 65activation_2_3 = Activation(activation='sigmoid', name='activation_2_3')(dense_2_3) 66activation_2_4 = Activation(activation='sigmoid', name='activation_2_4')(dense_2_4) 67 68#concatenate 69concatenate = Concatenate()([activation_2_0, activation_2_1, activation_2_2, activation_2_3, activation_2_4]) 70 71#dense_3 72dense_3_ = Dense(output_hand_size, activation='sigmoid', name='dense_3_')(concatenate) 73 74 75#train 76model = Model(inputs=[inputs_0, inputs_1, inputs_2, inputs_3, inputs_4], outputs=dense_3_) 77model.compile(optimizer='adam', 78 loss='categorical_crossentropy', 79 metrics=['accuracy']) 80history = model.fit([h_1_0, h_1_1, h_1_2, h_1_3, h_1_4], train_t, 81 batch_size=batch_size, 82 epochs=epochs, 83 verbose=1, 84 validation_data=([h_2_0, h_2_1, h_2_2, h_2_3, h_2_4], test_t))
試したこと
各モデルの関数化⇒サイトがほとんど見つからずうまくいかなかった
補足情報（FW/ツールのバージョンなど）
python3.6
keras2.3.1
あなたの回答
tips
プレビュー
