首页 文章

Keras：向Dense Layer添加一批常量输入

提问于
浏览 次
2

我有一个有两个不同输入的神经网络 . 输入1是图像数据，输入2是单个浮点数 . 所以我的输入形状为 (32,img_dim) 和 (32,1) ，批量大小为32 .

NN的输出层是一个Dense层，具有10个（可以变化的）输出，具有线性激活功能（回归） . 我想将输入2中的浮点数添加到10个输出中的每一个 . 如何为整个图层添加一个简单的值（批处理中的每个样本不同）（将其广播到10个输出） .

例如对于批量大小为3我有输入2：

[12.0,23.0,60.0]

现在我想将第一个样本的 12.0 添加到图层中的所有单位 . 然后 23.0 用于批次中的下一个样本，依此类推 .

python machine-learning neural-network keras regression

1 回答

  • 2

    您可以使用功能API模型

    from keras.models import Model

    为模型制作两个输入：

    inpImg = Input((rows,columns,channels))
inpFloat = Input((1,))

    像这样创建图层：

    outputTensor = SomeLayer(....)(inputTensor)

#example:
convOut = Conv2D(20,kernel_size=3,activation='relu')(inpImg)

    在您想要乘法时，我们为自定义操作创建一个Lambda图层（假设您的上一层有 lastOut ） . 请注意，此图层在列表中包含两个输入，这就是我们需要功能API模型的原因 .

    multOut = Lambda(lambda x: x[0] + x[1],output_shape=(10,))([lastOut,inpFloat])

    然后，创建模型：

    model = Model([inpImg,inpFloat],multOut)

    正常编译模型，在拟合和预测时，传递一个numpy输入列表：

    model.fit([trainImages, trainFloats],labels)
    回复于

相关问题