如何创建包含两个已保存的张量流网络的张量流网络？

Question

比方说，我已经训练并保存了6个不同的网络，其中隐藏层数，神经元数和学习率的所有值都不同。

例如：

• 1个具有8个隐藏层的层，每个层以16个神经元进行训练，学习速度为.1。
• 具有4个隐藏层的1个层，每个层具有4个神经元，每个层都以0.01的学习速率进行训练。
• 具有4个隐藏层的1个层，每个层具有4个神经元，其学习速度为.03。
• 1个带有4个隐层的神经层，每个隐层8个神经元，均以0.01的学习速率进行训练。
• 1个具有4个隐层的神经层，每个隐层有8个神经元，每个神经元都以.001学习率进行训练。
• 具有6个隐藏层的1个层，每个层具有4个神经元，每个层都以0.01的学习速率进行训练。

如何创建一个新的网络，使每个保存的网络基本上都充当神经元？在训练此组合网络时，我不想影响已保存的网络权重和偏差，而是想从本质上确定对于给定输入而言哪个更为准确。 在实践中，我通过加载每个网络，通过每个网络运行数据，然后存储所有输出，然后将这些输入随后馈送到新网络中来实现这一点，但是我觉得必须有一个更简单，最重要的是，更快的速度这样的方式。

一个示例可能是两个网络：夜间的图像检测和白天的图像检测。每个经过培训并分别保存。我想要另一个本质上会拍摄图像的网络，并说：“哦，我们在这里的中间位置，所以我们使用50/50，或者哦，它更接近夜晚，但不是完全夜晚，请使用90％的夜间数据和10％的白天”。因此，我想在尝试每种模型的情况下提供大量图片，但是然后权衡该数据基于夜间与白天的价值，以创建一个适用于夜间或白天的网络。

任何帮助，我们将不胜感激。实际上，我要拍摄的网络规模更大而且更加复杂，但是我正在寻找一种策略。

Answer 1

我不确定我是否正确理解了您的观点，但您可能正在搜索基于块的神经网络。在BBNN中，每个节点都可以是一个神经网络，而无需描述一层BBNN就是您所需要的。