Keras模型的重复部分，取决于输入的数量
我试图在Keras（）中使用Google Deepminds CGQN网络的一部分。根据他们向网络提供的输入图像的多少，网络对其试图预测的3D环境有更多的了解。以下是他们的网络方案： 我还想使用多输入“图像”，就像Mθ网络一样。所以我的问题是：使用Keras，我如何能够重用网络的一部分任意次数，然后将它生成的所有输出相加，作为网络下一部分的输入Keras模型的重复部分，取决于输入的数量,keras,Keras,我试图在Keras（）中使用Google Deepminds CGQN网络的一部分。根据他们向网络提供的输入图像的多少，网络对其试图预测的3D环境有更多的了解。以下是他们的网络方案： 我还想使用多输入“图像”，就像Mθ网络一样。所以我的问题是：使用Keras，我如何能够重用网络的一部分任意次数，然后将它生成的所有输出相加，作为网络下一部分的输入 提前谢谢 您可以使用来实现这一点，我只在这里提供一个概念证明： images_in=Input（shape=（None，32，32，3））#一些32x
提前谢谢 您可以使用来实现这一点，我只在这里提供一个概念证明：
images_in=Input（shape=（None，32，32，3））#一些32x32彩色图像
#把它想象成一个视频，例如一系列图像
shared_conv=Conv2D（32，2，…）#要应用于每个图像的某个共享层
features=TimeDistributed（shared_conv）（images_in）#将shared_conv应用于每个图像
这里在时间维度上应用一个给定的层，在我们的例子中，这意味着它应用于每个图像，并且您将获得每个图像的输出。上面链接的文档中有更多的示例，您可以实现一组共享的层/子模型，然后将其应用于每个图像，并采用减少的总和。您还可以解释一下，最聪明的方法是对时间分布的输出进行总和吗？
Lambda（Lambda x:K.sum（x，axis=[axis you want sum over]）（功能）