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:Python 向模型提供复合输入,python,cntk,Python,Cntk,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,
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。