Question

我对深度学习/ cnn和keras有点新鲜。我正在研究可行性：例如，我有两个数据集：data_set_1 = img_cat_dog数据集和data_set_2 = flower_rose_daisy数据集我有2个CNN： conv_1 = .. data_set_1 和火车

conv_2 = .. data_set_2 和火车

然后我有一个测试数据=一个包含猫和玫瑰的图片或视频场景。那么可以合并这两个CNN（conv_1和conv_2）然后合并一个LSTM，所以用一个测试数据（一张图片）来描述图片/场景中的猫和玫瑰吗？

（conv_1经过培训，conv_2经过并行培训，经过单独培训，我想合并这些转化并将它们连接到一个LSTM）

Answer 1

伪码：

def create_convnet（img_path =＆＃39; img_cat_dog.png＆＃39;）： input_shape =输入（shape =（rows，cols，1））

tower_1 = Conv2D(20, (100, 5), padding='same', activation='relu')(input_shape)
tower_1 = MaxPooling2D((1, 11), strides=(1, 1), padding='same')(tower_1)

def create_convnet2（img_path =＆＃39; flower_rose_daisy.png＆＃39;）： input_shape_2 =输入（shape =（rows，cols，1））

tower_2 = Conv2D(20, (100, 7), padding='same', activation='relu')(input_shape_2)
tower_2 = MaxPooling2D((1, 9), strides=(1, 1), padding='same')(tower_2)

在这里训练......

merged = keras.layers.concatenate([tower_1, tower_2, tower_3], axis=1)
merged = Flatten()(merged)

或在这里训练......

（我会在Keras写下确切的代码，所以我会尝试。我也会更清楚地提出问题。）

在尝试合并两个CNN之后或合并两个CNN之前，我试着询问何时进行训练？是否可以使用两个不同的训练数据集并合并网络？

如何在keras中合并单独的CNN / Conv

1 个答案: