Python Tensorflow，CNN+；LSTM：重用CNN的更简单的方法？_Python_Tensorflow_Conv Neural Network_Lstm

Python Tensorflow，CNN+；LSTM：重用CNN的更简单的方法？

python tensorflow

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

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