我有一个由7个组组成的输入，每个组有3个值：
[ a0, a1, a2, b0, b1, b2, ..., g0, g1, g2]
3个值彼此之间密切相关，并且所有7个组的行为相同，因此可以对每个值进行相同的处理。
我想创建一个小型神经网络来处理组信息（3个值），然后将其复制（作为7个块）以处理所有输入。因此，所有这些块将具有相同的权重，并且每个块将负责一个组。最后，这些块的输出将重新组合并由另一个NN处理。
我之所以这样问，是因为我想尽量减少训练第一层的工作量（负责处理输入）。利用这些组中每个组都具有相同行为的事实来训练其中的一部分。
我要的是一个 ConvNet 内核。但是， ConvNet 内核将处理3个相邻值的每组，将(a0,a1,a2),(a1,a2,b0),(a2,b0,b1), etc.之类的组混合并创建更大的输出。
我从tensorflow开始，我不知道如何创建此模型。您能帮我思考如何创建它吗？
答案 0 :(得分：1)
您说得对，我认为ConvNet是必经之路。 为了避免a（n）和b（n）之间的“混合”（在您的示例中），可以在Conv图层中使用“ strides =“作为参数。 示例：
x = Conv1D(nb_features, kernel_size=(3), strides=(3), padding='valid')(x)
这将具有（7 * 3）/ 3 = 7个输出的输出。相应地选择nb_features，以保留大量信息。例如：
nb_features = 3
可能是一个起点。
答案 1 :(得分：0)
我如何解决它：Variable Sharing
所有块都使用相同的变量集（权重和偏差）。
为此，必须命名所有变量。
使用命名变量，在创建图层时，所有权重都可以引用已经存在的变量。
最后，可以将块的输出连接起来，并用作另一个网络的输入。
此结构的名称为：暹罗神经网络
我不知道名字，所以没有找到任何名字。
现在我有了名字，我发现了这个问题： Siamese Neural Network in TensorFlow