Python 向模型提供复合输入

我需要同时提供一个图像和一个从正态分布采样的向量。由于我使用的图像数据集太大，我为该部分创建了一个ImageDeserializer。但我还需要将随机向量（从numpy正态分布采样）添加到输入映射，然后再将其馈送到网络。有没有办法做到这一点

我还测试：

mb_data = reader_train.next_minibatch(mb_size, input_map=input_map)
mb_data[random_input_node] = np.random.normal((mb_size, 100))

但会出现以下错误：

TypeError:无法将字典的值转换为N4CNTK13MinibatchDataE

---

通过以下代码片段将数据提供给培训师，问题得以解决：

mb_data = reader_train.next_minibatch(mb_size, input_map=input_map)
z = np.random.normal(mb_size)
my_trainer.train_minibatch({feature_image: mb_data[image].data, feature_z: z})

---

还要感谢@mewahl。定义新阅读器是解决问题的另一种合适的方法，我认为它一定比我所做的更快。

通过以下代码片段将数据提供给培训师，问题得以解决：

mb_data = reader_train.next_minibatch(mb_size, input_map=input_map)
z = np.random.normal(mb_size)
my_trainer.train_minibatch({feature_image: mb_data[image].data, feature_z: z})

---

还要感谢@mewahl。定义新阅读器是解决这个问题的另一个合适的方法，我认为它一定比我所做的更快。

嗨，穆罕默德，我推荐一种间接的方法来实现这一点：它将为图像和随机向量定义流，并在每个小批量中自动返回。嗨，穆罕默德，我推荐一种间接的方法来实现这一点：它将为图像和随机向量定义流，并在每个小批量中自动返回它们。