Deep learning 如何在keras中合并单独的CNN/CONV

我对deep learning/cnn和keras有点陌生。 我在研究可行性： 例如，我有两个数据集：data_set_1=img_cat_dog数据集和data_set_2=flower_rose_daisy数据集 我有两个CNN： conv_1=。。数据集1 训练

conv_2=。。数据集2 训练

然后我有一个测试数据=一个图片或视频场景，其中包括cat和rose。 那么，是否有可能将这两个CNN（conv_1和conv_2）和一个LSTM合并，然后使用一个测试数据（一张图片）在图片/场景中描述cat和rose

---

（conv_1经过训练，conv_2经过并行训练，在单独训练后，我想合并这些conv并将它们连接到一个LSTM）

伪代码：

def create_convnet（img_path='img_cat_dog.png'）： 输入\形状=输入（形状=（行、列、1））

def create_convnet2（img_path='flower\u rose\u daisy.png'）： input_shape_2=输入（shape=（行、列、1））

在这里训练

merged = keras.layers.concatenate([tower_1, tower_2, tower_3], axis=1)
merged = Flatten()(merged)

或者在这里训练

merged = keras.layers.concatenate([tower_1, tower_2, tower_3], axis=1)
merged = Flatten()(merged)

（我将用Keras编写精确的代码，因此我将尝试。 我也会把问题弄清楚。 )

我试着问什么时候训练，在合并两个CNN之后还是在合并两个CNN之前？

---

有可能同时使用两个不同的培训数据集并合并网络吗？

您被否决了，因为您在这里提出的问题不清楚或有点笼统。也许尝试一下，或者用keras写一个模型来展示你的想法。

merged = keras.layers.concatenate([tower_1, tower_2, tower_3], axis=1)
merged = Flatten()(merged)