如何在使用Keras或Tensorflow的深度神经网络训练过程中添加更多数据

我想写一个神经网络。但是我需要在训练期间对数据做些什么。例如，我有5个卷积层，在第3层之后，我需要更改输出的形状，并向其中一个维度添加更多数据。然后，处理后的数据将被送入第四层

我的问题是，输入数据维度不是固定的，它应该从训练阶段的数据中获取。在执行重塑时，Tensorflow将始终给出错误

必须指定维度

，因为我为维度设置了

None

在这种情况下，这个问题有什么解决办法吗？或者我们可以将网络分成两部分，在第一部分完成后，我们处理数据，然后继续第二部分

谢谢你抽出时间

更新：

---

例如，第三层的输出是

[1，1，L，5]

，其中

L

是从输入中派生出来的，不是一个固定的数字。如果我们定义

v_1，v_2，…，v_L

是

L

中每个点的向量，其特征为深度

5

，即

形状（v_i）=[1，5]

。我想将其更改为一个新的形状

[1，L，L，12]

，其中

L

是相同的，在深度维度中，数据来自

v_I

和

v_j

加上

2

更多新数据的串联。

您可以从

tf.shape

获得输入维度形状的运行时值，然后将此信息而不是

None

传递给

tf。重塑

您能提供有关数据维度如何变化的更多详细信息吗？@MarcinMożejko请查看更新以了解更多详细信息。这有帮助吗？