在Keras中處理多輸入和多輸出的情況通常需要使用Functional API。下面是一個簡單的例子:
from keras.layers import Input, Dense
from keras.models import Model
# 定義兩個輸入
input1 = Input(shape=(10,))
input2 = Input(shape=(5,))
# 寬度為10的全連接層
x1 = Dense(10, activation='relu')(input1)
# 寬度為5的全連接層
x2 = Dense(5, activation='relu')(input2)
# 將兩個輸入連接在一起
merged = concatenate([x1, x2])
# 輸出層
output1 = Dense(1, activation='sigmoid')(merged)
output2 = Dense(1, activation='sigmoid')(merged)
# 定義模型
model = Model(inputs=[input1, input2], outputs=[output1, output2])
model.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])
# 訓練模型
model.fit([input_data1, input_data2], [output_data1, output_data2], epochs=10, batch_size=32)
在這個例子中,我們定義了兩個輸入input1和input2,分別為長度為10和長度為5的向量。然后分別對兩個輸入進行全連接操作,然后將它們合并在一起。最后定義了兩個輸出層output1和output2,分別輸出到兩個不同的目標。最后我們使用Model類將模型定義好并編譯,然后使用fit方法進行訓練。