keras多输入cnn-1d分类代码

以下是一个使用 Keras 实现多输入 CNN-1D 分类的示例代码：

from keras.layers import Input, Dense, Conv1D, MaxPooling1D, Flatten, concatenate
from keras.models import Model

# 定义输入层
input1 = Input(shape=(100, 1))
input2 = Input(shape=(100, 1))

# 定义卷积层和池化层
conv1 = Conv1D(filters=32, kernel_size=3, activation='relu')(input1)
pool1 = MaxPooling1D(pool_size=2)(conv1)
conv2 = Conv1D(filters=64, kernel_size=3, activation='relu')(input2)
pool2 = MaxPooling1D(pool_size=2)(conv2)

# 将卷积层和池化层合并
merged = concatenate([pool1, pool2])

# 定义全连接层和输出层
flatten = Flatten()(merged)
dense1 = Dense(64, activation='relu')(flatten)
dense2 = Dense(32, activation='relu')(dense1)
output = Dense(1, activation='sigmoid')(dense2)

# 定义模型
model = Model(inputs=[input1, input2], outputs=output)

# 编译模型
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])

这个模型接受两个输入，每个输入都是一个长度为 100 的一维向量。模型使用两个卷积层和池化层对每个输入进行特征提取，然后将两个输入的特征合并。最后，模型使用全连接层和输出层进行分类。