我想知道如果将图像（RGB）和标量作为输入并将多个标量输出（回归）作为最佳策略是什么。图像存储在一个文件夹中。相关的标量存储在csv文件中。
我知道如何加载图像和单个标量，以便将其输入模型中。
但是我想知道一种更灵活的方式来加载数据。我想拥有不同的model_types（例如，输入：图像，输出：一个标量;输入：图像+标量，输出：一个标量;输入：图像，输出：多个标量，...）。
所有文件都存储在一个文件夹中，我还需要将数据集分为训练和验证数据集。
是否有一个我可以实现此目标的概念（欢迎使用教程），以便在model_type发生更改时不必更改整个代码？
答案 0 :(得分：2)
虽然您的问题的答案完全取决于整本书，但我还是想与您分享我的想法，至少可以使您入门。
如果您使用的是keras，并且想要构建更多的“高级”网络，例如多输入和-输出模型，我强烈建议您使用功能性API（https://keras.io/getting-started/functional-api-guide/）。为此，它将为您提供更大的灵活性。此外，您可以考虑使用flow_from_dataframe，它允许您从数据框而不是目录中读取模型的输入-一旦想要聚合数据，这将使您的工作变得更轻松。最后，这是一本有关如何将不同的输出相互结合的教程，还重点介绍了如何为此目的编写自定义生成器https://blog.ml6.eu/training-and-serving-ml-models-with-tf-keras-3d29b41e066c