我想使用Keras和TensorFlow来完成以下操作：
我的训练数据中有10,000组三个图像，每个8x8字节，颜色值为0到16 . 我把它们称为图像A，B和C.（实际上它们在csv文件中表示为64个十六进制字符的三个字符串）
C是A和B的组合 .
我想要做的是训练一个网络，使其得到A和B作为输入，C作为标签 . 然后提供网络以前没见过的两个图像（A，B）并生成C.
我所做的是阅读csv文件：
import pandas as pds
training_data_filename = 'training_data.csv'
dataframeX = pds.read_csv(training_data_filename, usecols=[2, 3])
dataframeY = pds.read_csv(training_data_filename, usecols=[4])
print(dataframeX.head())
print(dataframeY.head())
输出是：
A \
0 0x7ff10d4d9fc927fc0fdfcd43e1715a34b7def9d77299...
1 0xe6da2b370a3b5b42cf2bc0a082e2e0165f2f321bd10c...
2 0xf179a821c24164fcacd6e75b15892fa8c8e42cb1571a...
3 0x27eb1825923ef55e80491199ec68438b94857f02ed47...
4 0x77bc45a7728b4578066639ef4525f0fe5d80d450595c...
B
0 0xd9b40a45b5df976433ebdfddcfe290a66ecf576d18ae...
1 0xf765866850270f595d8239acee9d0d8634249b9d4ac6...
2 0x61cc8870ca4690953184f3b680bcdc38039215d2174b...
3 0x515f6afe8e6f9098abc0da8807ee1070947a4686edd0...
4 0x8ffb621c0398e392d0be0000e3088649eced85dd0c45...
C
0 0x35c1f6ebc3ef2d424ced351b65be8c396f8396d69411...
1 0x4421ce104498ad13b639d6f26b105b4be092f3786f3b...
2 0xcbab77b6c025fe66f967f46ff6138f034dc28fedcb50...
3 0x1f6c372b5d2dfecf29592f71a49dfda5fb930e4e90d5...
4 0x2618f3b170046de775727421ed122174f31ae15fa555...
但我不明白如何将（A，B）馈送到密集层并使用C作为所需的输出 . 我如何 Build 我的模型？
1 回答
您无法将字符串输入密集层 . 密集层期望数字向量作为输入 . 所以第一步是将输入图像转换为numpy数组（我不确定为什么你的图像是十六进制字符串） .
例如 . ：
从那里可以很容易地将numpy阵列馈送到密集层并执行分类 . 有关代码示例，请参阅：Training a simple deep NN on the MNIST dataset
也就是说，如果我理解正确，你想要从两个图像A和B生成图像C.这不是深层神经网络的工作 . 如果这是你想要做的，看看和卷积神经网络和生成对抗网络 .