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。

---

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。：-）