今天写个程序想用Merge层实现两个模型合并输出，但是模型在训练的时候一直出错，为了解决问题，又把官方文档好好看了下，找了些资料。

首先keras的文档中是这样给出的，把若干个层合并成一个层

keras.engine.topology.Merge(layers=None, mode='sum', concat_axis=-1, dot_axes=-1, output_shape=None, node_indices=None, tensor_indices=None, name=None)

 

layers：该参数为Keras张量的列表，或Keras层对象的列表。该列表的元素数目必须大于1。

mode：合并模式，如果为字符串，则为下列值之一{“sum”，“mul”，“concat”，“ave”，“cos”，“dot”}

其中sum和mul是对待合并层输出做一个简单的求和、乘积运算，因此要求待合并层输出shape要一致。concat是将待合并层输出沿着最后一个维度进行拼接，因此要求待合并层输出只有最后一个维度不同。 

下面我要说的主要针对训练时，Merge是一个层对象，在多个sequential组成的网络模型中，如果

x：输入数据。如果模型只有一个输入，那么x的类型是numpy array，如果模型有多个输入，那么x的类型应当为list，list的元素是对应于各个输入的numpy array

y：标签，numpy array

否则运行时很可能会提示意思就是你输入的维度与实际不符，好了，说什么都不如写一个代码来的实际：

model_left= Sequential()  
model_left.add(Dense(50, input_shape=(784,)))  
model_left.add(Activation('relu'))  
   
model_right = Sequential()  
model_right.add(Dense(50, input_shape=(784,)))  
model_rightadd(Activation('relu'))  
   
model = Sequential()  
model.add(Merge([model_left,model_right], mode='concat'))  
   
model.add(Dense(10))  
model.add(Activation('softmax'))  
   
model.compile(loss='categorical_crossentropy',  optimizer='adam',
              metrics=['accuracy'])  
   
model.fit([X_train, X_train], Y_train, batch_size=64, nb_epoch=30, validation_data=([X_test, X_test], Y_test))