#KerasのfunctionalAPIの使い方
##はじめに
自分が初心者なので，初心者向けです。
おかしいところや間違っているところなどがあれば，指摘していただけたら嬉しいです……！
こちらの記事の方が参考になるかもしれません。
Kerasはfunctional APIもきちんと理解しよう
またはKerasのチュートリアルも参考になります。
https://keras.io/ja/getting-started/functional-api-guide/
##functionalAPIを使うことの利点
こんなネットワークが簡単に作れます。
inputs_1 = Input(shape=(20,), dtype='float32')
inputs_2 = Input(shape=(20,), dtype='float32')
inputs_3 = Input(shape=(20,), dtype='float32')
hidden1_1 = Dense(10, activation='relu')(inputs_1)
hidden1_2 = Dense(10, activation='relu')(inputs_2)
hidden1_3 = Dense(10, activation='relu')(inputs_3)
hidden1_m = Multiply()([hidden1_1, hidden1_2, hidden1_3])
hidden2 = Dense(10, activation='relu')(hidden1_m)
hidden2 = Dense(20, activation='relu')(hidden1_m)
predictions = Dense(7, activation='softmax')(hidden2)
model = Model(inputs=inputs, outputs=predictions)
model.compile(optimizer=RMSprop(), loss='categorical_crossentropy', metrics=['accuracy'])
model.fit([x_train[0], x_train[1], x_train[2]], t_train, epochs=10000, verbose=1, batch_size=100)
こんな感じで実装できます。
もう少し詳しく見ていきます。
##複数の入力層を作る
inputs_1 = Input(shape=(20,), dtype='float32')
inputs_2 = Input(shape=(20,), dtype='float32')
inputs_3 = Input(shape=(20,), dtype='float32')
こんな風にして入力層は増やせます。
##どこの層に結合させるか
中間層から出力層はこのようにして，どこの層と結合させるかを指定できます。
hidden1_1 = Dense(10, activation='relu')(inputs_1)
右の(inputs_1)が結合する層です。
##層の合体
層を結合させるには，このように結合させた層をリストで渡します。
hidden1_m = Multiply()([hidden1_1, hidden1_2, hidden1_3])
もちろん，次のように書いてもOKです。
hiiden1 = [hidden1_1, hidden1_2, hidden1_3]
hidden1_m = Multiply()(hidden1)
##複数の入力のモデル作成
model = Model(inputs=[inputs_1, inputs_2, inputs_3], outputs=predictions)
こういう感じで，リストで渡します。
もちろん，こちらもこれでOK。
inputs = [inputs_1, inputs_2, inputs_3]
model = Model(inputs=inputs, outputs=predictions)
##複数の入力の学習
入力する学習データのリストを与えます。
model.fit([x_train[0], x_train[1], x_train[2]], t_train, epochs=10000, verbose=1, batch_size=700)
##結論
こういう分岐するネットワークもfunctionalAPIなら簡単にかけます！