我第一次与CNN合作，并试图找出如何有效存储具有恒定值的频道的方法。在下面的代码中，对于每个灰度图像，我都有关于var1和var2的图像的其他信息。对于每个图像，我想添加两个额外的通道，其中每个通道都是单个值的网格。我想知道在keras CNN模型中是否存在一种有效的内存方式来表示此恒定通道值。
下面是我当前必须添加具有恒定值的其他通道的代码，但这似乎很浪费。
x_train = np.array([np.array(Image.open(image_name)) for image_name in training_image_name])
x_train = x_train.reshape(-1, 260, 348, 1)
training_var1_channel = np.array([np.full((260, 348), var1) for var1 in training_var1_list]).reshape(-1,260,348,1)
training_var2_channel = np.array([np.full((260, 348), var2) for var2 in training_var2]).reshape(-1,260,348,1)
x_train_all_data = np.concatenate((x_train, training_var1_channel, training_var2_channel),axis=3).astype('float64')