Tensorflow 如何在网格中排列从CNN提取的特征，以通过Keras或tf 2.0中的RNN编码器？_Tensorflow_Keras_Deep Learning_Neural Network_Tensorflow2.0

Tensorflow 如何在网格中排列从CNN提取的特征，以通过Keras或tf 2.0中的RNN编码器？

tensorflow keras deep-learning neural-network

Tensorflow 如何在网格中排列从CNN提取的特征，以通过Keras或tf 2.0中的RNN编码器？,tensorflow,keras,deep-learning,neural-network,tensorflow2.0,Tensorflow,Keras,Deep Learning,Neural Network,Tensorflow2.0,我正在尝试生成论文中使用的代码，它基本上是由哈佛NLP以的名字在Lua中实现的。问题在于，Torch或tensorflow 1中的所有代码都可用。我想在Keras或tensorflow 2.0中实现相同的代码论文中有一部分写道：该模型首先使用卷积神经网络（CNN）提取图像特征，并将特征排列在网格中。然后使用递归神经网络（RNN）对每一行进行编码。因此，对于encodr部分来说，这基本上是一个由三部分组成的过程。这里是我所做的是，我有VGG19模型的迁移学习一样。在我的模型中，我将使用V

我正在尝试生成论文中使用的代码，它基本上是由哈佛NLP以的名字在

Lua

中实现的。问题在于，Torch或tensorflow 1中的所有代码都可用。我想在Keras或tensorflow 2.0中实现相同的代码

论文中有一部分写道：

该模型首先使用卷积神经网络（CNN）提取图像特征，并将特征排列在网格中。然后使用递归神经网络（RNN）对每一行进行编码。

因此，对于encodr部分来说，这基本上是一个由三部分组成的过程。这里是我所做的是，我有VGG19模型的迁移学习一样。在我的模型中，我将使用VGG19模型的输出来获得如下特性：

第1部分：从VGG-19中提取特征

extracted_feat = tf.keras.applications.VGG19(include_top=False,weights="imagenet",
input_shape=(224,224,3),pooling='avg',)

第2部分：更改网格中提取的特征

grid_output = change_to_grid(extracted_feat)

方法

应该如何更改为网格在这里做什么？？我该如何用张量做一个网格呢？通过换位还是什么
第3部分：将提取的特征传递给LSTM或RNN作为编码器
encoder_output = tf.keras.layers.LSTM(254,return_sequence=True,return_state=true)(grid_output)

请建议第二部分的代码。如果我在这里做错了什么，也请提出建议