卷积和合并层后将输入添加到卷积神经网络

Question

我正在构建一个卷积神经网络，其中将包含一定数量的卷积和池化层。问题是我想在特征提取步骤（卷积+池化）之后添加一些额外的输入。

此额外输入将添加到展平的要素图（完全连接层的第一层）中。我想问一下是否有任何文档可以在tensorflow或keras中实现（如果我很幸运的话）。 预先谢谢您，祝您愉快。

Answer 1

您可以使用tf.keras.models.Model类来创建这样的模型。

首先，我们可以为卷积和池化层构建tf.keras.models.Sequential模型。

conv_model = tf.keras.models.Sequential( [ ... ] )

然后，正如您所说，我们需要一个完全连接的密集网络。我们像上面的模型一样创建它。

fc_model = tf.keras.models.Sequential( [ ... ] )

然后用我们创建的模型组装Input层。

input1 = Input( ... )
input2 = Input( ... )

cnn_output = conv_model( input1 )
output = fc_model( [ cnn_output , input2 ] )

model = tf.keras.models.Model( [ input1 , input2 ] , output )