如何将超过1个输入传递到Tensorflow神经网络？

Question

我被困在将3个输入（具有不同形状的占位符）传递到神经网络的隐藏层中。

这是我到目前为止所做的：

with tf.name_scope("Final_Check"):
    # TODO: Is this the correct way to pass 3 inputs into the hidden layer?
    final_layer1 = tf.layers.dense([self.final_time_input, self.final_request_input, self.final_stream_input],
                                   500,
                                   activation=tf.nn.relu,
                                   name="final_hl1")
    final_layer2 = tf.layers.dense(final_layer1,
                                   500,
                                   activation=tf.nn.relu,
                                   name="final_h12")
    final_layer3 = tf.layers.dense(final_layer2,
                                   500,
                                   activation=tf.nn.relu,
                                   name="final_hl3")

    final_output = tf.layers.dense(final_layer3,
                                   500,
                                   activation=tf.nn.relu,
                                   name="final_output")

占位符：

1. self.final_time_input
2. self.final_request_input
3. self.final_stream_input

隐藏层：所有final_layer [1-3]和final_output

我尝试使用Google搜索一些示例代码但无法找到任何代码。

Answer 1

tf.layers.dense期待张量输入。在您的案例中，它是一个列表（[self.final_time_input, self.final_request_input, self.final_stream_input]）。您需要使用tf.concat连接它们

tf.concat([self.final_time_input, self.final_request_input, self.final_stream_input], axis=1)

假设输入张量的形状为[batch_size, feature_size]，其中feature_size可以不同。