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 .
1 回答
您可以使用功能API模型
为模型制作两个输入:
像这样创建图层:
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 .然后,创建模型:
正常编译模型,在拟合和预测时,传递一个numpy输入列表: