Tensorflow 在卷积和合并层之后向卷积神经网络添加输入
我正在构建一个卷积神经网络,它将包含一定数量的卷积和池层。问题是,我想在特征提取步骤(卷积+池)之后添加一些额外的输入 这些额外的输入将添加到展平要素地图(完全连接图层的第一层)。我想问是否有任何文档可以在tensorflow或(如果我幸运的话)keras中实现这一点。Tensorflow 在卷积和合并层之后向卷积神经网络添加输入,tensorflow,keras,conv-neural-network,Tensorflow,Keras,Conv Neural Network,我正在构建一个卷积神经网络,它将包含一定数量的卷积和池层。问题是,我想在特征提取步骤(卷积+池)之后添加一些额外的输入 这些额外的输入将添加到展平要素地图(完全连接图层的第一层)。我想问是否有任何文档可以在tensorflow或(如果我幸运的话)keras中实现这一点。 提前感谢您,祝您度过愉快的一天。您可以使用tf.keras.models.model类创建这样的模型 首先,我们可以为卷积层和池层构建tf.keras.models.Sequential模型 conv_model = tf.ke
提前感谢您,祝您度过愉快的一天。您可以使用
tf.keras.models.model
类创建这样的模型
首先,我们可以为卷积层和池层构建tf.keras.models.Sequential
模型
conv_model = tf.keras.models.Sequential( [ ... ] )
正如你所说,我们需要一个完全连接的密集网络。我们创建它类似于上面的模型
fc_model = tf.keras.models.Sequential( [ ... ] )
然后用我们创建的模型组装Input
层
input1 = Input( ... )
input2 = Input( ... )
cnn_output = conv_model( input1 )
output = fc_model( [ cnn_output , input2 ] )
model = tf.keras.models.Model( [ input1 , input2 ] , output )
非常感谢@Shubham Panchal,您使我的dayKeras具有这种特殊能力,它可以调用输入层上的顺序模型,甚至可以调用其他顺序模型。:-)