我想知道是否有可能将一个变量添加到卷积神经网络的密集层中(以及来自先前卷积层的连接,还有一个可用于歧视目的的附加功能集)?如果这是可能的,有人可以给我一个示例/文档解释如何这样做吗?
我希望使用Keras,但如果Keras限制太多,我很乐意使用TensorFlow .
编辑:在这种情况下,我认为这应该工作的方式是我提供一个包含图像和相关功能集的列表到神经网络(并在训练期间相关的分类) .
EDIT2:我想要的架构看起来像:
___________ _________ _________ _________ ________ ______
| Conv | | Max | | Conv | | Max | | | | |
Image --> | Layer 1 | --> | Pool 1 | --> | Layer 2 | --> | Pool 2 | -->| | | |
|_________| |________| |_________| |________| | Dense | | Out |
| Layer |-->|_____|
Other ------------------------------------------------------------>| |
Data | |
|_______|
2 回答
实际上,正如@Marcin所说,你可以使用合并层 .
我建议你使用Functionnal API . 如果您不熟悉它,请阅读some doc here .
以下是使用keras API的涂鸦网络模型:
在那里你去:)最后很容易定义你想要的输入和输出数量,只需在创建
Model
对象时在列表中指定它们 . 如果适合它,也可以在列表中单独提供它们 .好的,假设您有
convoluton_model
,您可以通过以下方式执行此操作:Here您可以找到有关如何合并不同输入的示例 .