Python 在numpy数组中包含不同形状信息的最佳方法？

我想为带有卷积层的MNIST图像实现条件变分自动编码器，而不是平坦化。因此图像本身是

[batch\u size，28,28,1]

（灰度）。我想用图像输入连接标签。但是我不能用

[批量大小，10]

来压缩上面的形状。我正在考虑扩展图像，例如像

[batch\u size，38，28，1]

，或者只是添加一个新的“行”-使形状

[batch\u size，29，28，1]

，直到10，“column”值表示图像的类别，但它感觉不到正确的方法。以前有人遇到过同样的问题吗？“正确”（est）的方法是什么？

在tensorflow中，您可以定义一个具有多个输入的模型，因此没有理由将一种数据（MNST的标签）嵌入到另一种数据（图像的像素）中。它们可以单独建模，也可以在模型中的任何步骤进行组合。比如说,

import tensorflow as tf, numpy as np

#Random Data
X1 = np.random.random((1000,28,28,1))
X2 = np.random.random((1000,10))
Y  = np.random.random((1000,10))

#Create Model

x11 = tf.keras.layers.Input((28,28,1)) #Input of first data
x12 = tf.keras.layers.Flatten()(x11)
x13 = tf.keras.layers.Dense(100)(x12) 

x21 = tf.keras.layers.Input((10,))     #Input of second data
x22 = tf.keras.layers.Dense(100)(x21)

c1  = tf.keras.layers.Multiply()([x13,x22]) #Combine data together
c2  = tf.keras.layers.Dense(10)(c1)

model = tf.keras.models.Model([x11,x21],c2)
model.compile('adam','mse')
model.fit([X1,X2],Y,epochs=10)