Machine learning 如何使用deeplearning4j将混合类型输入连接到多层网络？

我有一个数据集，其中一些特征是数字的，一些是分类的，一些是字符串（例如描述）。举个例子，假设我有三个特性：

| Number | Type | Comment                               |
---------------------------------------------------------
| 1.23   | 1    | Some comment, up to 10000 characters  |
| 2.34   | 2    | Different comment many words          |
... 

我是否可以将它们作为dl4j中多层网络的输入，其中数字和分类是常规输入功能，但字符串注释功能将首先通过简单的RNN（例如嵌入->LSTM）作为单词序列处理？换句话说，架构应该是这样的：

"Number"  "Type"  "Comment"
  |         |         |
  |         |      Embedding
  |         |         |
  |         |       LSTM
  |         |         |
 Main Multi-Layer Network
          | 
        Dense
          |
         ...
          |
       Output

---

我认为在Keras中，这可以通过连接层来实现。DL4J中是否有类似的功能？

DL4J有99%的keras导入覆盖率。我们也有concatneate层。看看各种顶点。在keras中可以做的任何事情都应该在dl4j中可以做，除非是非常特殊的情况。更多信息：您需要一个MergeVertex。

是的，MergeVertex和CalculationGraph（而不是多层网络）似乎是一个不错的选择。