Python Tensorflow,CNN+;LSTM:重用CNN的更简单的方法?
我正在使用Python Tensorflow,CNN+;LSTM:重用CNN的更简单的方法?,python,tensorflow,conv-neural-network,lstm,Python,Tensorflow,Conv Neural Network,Lstm,我正在使用TensorFlow 1.15在2D图像上按时间顺序训练LSTM。因此,实际上我有以下[输入(3x)->CNN->LSTM->输出]。由于我正在对多幅图像进行训练,因此我希望将整个CNN子图应用于每幅图像(我希望重用所有权重,因为当前帧与1-X帧前的图像相同),然后将所有输出馈送到LSTM 我当前的代码我使用3帧数据,所以我使用一个循环来创建3个占位符(Input0/Input1/Input2)和3个CNN(通过在循环外调用tf.Variable来共享权重,尽管tf.get\u变量可能
TensorFlow 1.15
在2D图像上按时间顺序训练LSTM。因此,实际上我有以下[输入(3x)->CNN->LSTM->输出]
。由于我正在对多幅图像进行训练,因此我希望将整个CNN子图应用于每幅图像(我希望重用所有权重,因为当前帧与1-X帧前的图像相同),然后将所有输出馈送到LSTM
我当前的代码我使用3帧数据,所以我使用一个循环来创建3个占位符(Input0/Input1/Input2
)和3个CNN(通过在循环外调用tf.Variable来共享权重,尽管tf.get\u变量可能会简化这一点)
有没有一种更简单的方法来表达TensorFlow?我有一个子图,我想称之为“CNN
”,并将其与X占位符一起使用,然后将所有这些输出馈送给类似LSTM的东西