Functional API 및 다중 입력

Sequential API

지금까지 진행했던 api

clear_session()

model = Sequential([Input(shape = (nfeatures, )),
                    Dense(18, activation = 'relu' ),
                    Dense(4, activation='relu') ,
                    Dense(1) ])

model.summary()

 

Functional API

새로운 api

clear_session()

il = Input(shape=(nfeatures, ))
hl1 = Dense(18, activation='relu')(il)
hl2 = Dense(4, activation='relu')(hl1)
ol = Dense(1)(hl2)

model = Model(inputs = il, outputs = ol)

model.summary()

 

 

다중입력

1. 입력 나누기

# 입력1
in_col = ['zn', 'indus', 'chas', 'rm', 'age', 'dis', 'rad', 'tax' ]
x_train1 = x_train[in_col]
x_val1 = x_val[in_col]

# 입력2 : 나머지
x_train2 = x_train.drop(in_col, axis = 1)
x_val2 = x_val.drop(in_col, axis = 1)

 

 

2. 모델 선언

nfeatures1 = x_train1.shape[1]
nfeatures2 = x_train2.shape[1]

# 입력
Input_1 = Input(shape=(nfeatures1,), name='input_1')
Input_2 = Input(shape=(nfeatures2,), name='input_2')

# 첫 번째 입력을 위한 레이어
d1 = Dense(20, activation='relu')(Input_1)

# 두 번째 입력을 위한 레이어
d2 = Dense(10, activation='relu')(Input_2)

# 두 히든레이어 결합
concat_d12 = concatenate([d1, d2])

# 추가 히든레이어
d3 = Dense(8, activation='relu')(concat_d12)

# 출력 레이어
output = Dense(1)(d3)

# 모델 선언
model2 = Model(inputs = [Input_1, Input_2], outputs = output)

model2.summary()

 

3. 학습 : 리스트로 받기

model2.compile(optimizer=Adam(learning_rate = 0.01), loss = 'mse')

hist2 = model2.fit([x_train1, x_train2], y_train, epochs=50, validation_split=.2).history