Question

我正在使用CNN（使用典型的CNN）进行（医学）图像分析和预测。我像这样向CNN网络添加了一组元数据，它似乎可以工作：网络= input_data（形状= [..]，..）元数据_1 = input_data（shape = [..]，..）

network = <convolutions and some max pooling>
network = fully_connected(network, 100,..>
network = merge (network, metadata_1)
network = fully_connected ()
...

现在，我可以扩展此范围吗？任何人都有经验吗？和陷阱？

network = input_data(shape=[..],..)
metadata_1 = input_data(shape=[..],..)    
...
metadata_n = input_data(shape=[..],..)
network = <convolutions and some max pooling>
network = fully_connected(network, 100,..>
network = merge (network, metadata_1)
...
network = merge (network, metadata_n)
network = fully_connected ()
...

谢谢。

Answer 1

我认为您在这里谈论的是层级连接。至少那是我在CNN中使用的。

现在，您要n次将元数据添加到连续的图层中。这会产生n个额外的层，这可能会占用大量内存。我觉得更直观的是使用 concat 层并将conv和所有元数据层连接在一起。

network = <convolutions and some max pooling>
network = fully_connected(network, 100,..>  
network = concat (network, metadata_1, metadata_2, ..., metadata_n)
network = fully_connected ()
...

您的方法可能会得到不同的结果，但是我怀疑不会有太大的区别。如果您想知道，请同时尝试。

向tflearn CNN添加多个元数据

1 个答案: