在卷积和合并层之后向卷积神经网络添加输入 [英] Adding inputs to a convolutional neural network after convolution and pooling layers

问题描述

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+池化)之后添加一些额外的输入。

此额外输入将添加到展平的要素地图(完全连接图层的第一层)。我想问一下，是否有任何文档可以在TensorFlow或(如果我幸运的话)在keras中实现此功能。 提前感谢您，祝您度过愉快的一天。

推荐答案

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( [ ... ] )

然后如您所说，我们需要一个完全连接的密集网络。我们的创建方式与上面的模型类似。

fc_model = tf.keras.models.Sequential( [ ... ] )

然后使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 )

这篇关于在卷积和合并层之后向卷积神经网络添加输入的文章就介绍到这了，希望我们推荐的答案对大家有所帮助，也希望大家多多支持IT屋！