Question

假设一个简单的神经网络有两个输入Tensorflow：

W0 = tf.Variable(tf.zeros([784, 100]))
b0 = tf.Variable(tf.zeros([100]))
h_a = tf.nn.relu(tf.matmul(x, W0) + b0)

W1 = tf.Variable(tf.zeros([100, 10]))
b1 = tf.Variable(tf.zeros([10]))
h_b = tf.nn.relu(tf.matmul(z, W1) + b1)

问题：在下一层将这两个图层合并为一个好方法是什么？

我的意思是：

h_master = tf.nn.relu(tf.matmul(concat(h_a, h_b), W_master) + b_master)

但是，我似乎无法为此找到合适的功能。

修改：请注意：如果我这样做：

h_master = tf.nn.tanh(tf.matmul(np.concatenate((h_a,h_b)),W_master) + b_master)，

我收到以下错误：

ValueError: zero-dimensional arrays cannot be concatenated

（我的猜测是因为占位符被numpy视为空数组，因此h_a和h_b是零维的。）

Answer 1

我找到了一种方法：

h_master = tf.nn.tanh(tf.matmul(tf.concat((h_a, h_b), axis=1), W_master) + b_master)

其中：

W_master = tf.Variable(tf.random_uniform([110, 10], -0.01, 0.01))
b_master = tf.Variable(tf.zeros([10]))

Tensorflow：如何合理地将两个神经网络层合并为一个

1 个答案: