我想使用混合图像（像素信息）和数据在Tflearn-Tensorflow中训练卷积神经网络。因为我的图像数量很少，所以我需要使用图像增强来增加传递给网络的图像样本数量。但这意味着我只能将图像数据作为输入数据传递，必须在稍后阶段添加非图像数据，大概在完全连接的层之前。我无法弄清楚如何做到这一点，因为我似乎只能告诉网络当我调用model.fit（{'input'：）时要使用哪些数据而我无法传递这两种类型的串联数据作为input_data直接调用图像增强。我是否可以在中间阶段添加额外的数据或任何其他替代方案以允许我使用ImageAugmentation和我需要的非图像数据来训练网络？ 我的代码下面有一些评论。非常感谢。
SqlServerTypesAssemblyName答案 0 :(得分：3)
如果查看model.fit方法的文档： http://tflearn.org/models/dnn/。要给model.fit提供多个输入，您只需要将它们作为列表传递，即model.fit（[X1，X2]，Y）。这样，X1将传递给您拥有的第一个input_data图层，并将X2传递给第二个input_data图层。
如果您想要连接不同的图层，可以查看Tflearn中的合并图层：http://tflearn.org/layers/merge_ops/
我认为应该运行以下代码，但是您可能希望以与我不同的方式合并图层。
init()