我正嘗試使用nolearn並使用ConcatLayer來組合多個輸入。只要每個輸入具有相同的類型和形狀,它就會很好地工作。我有三種不同類型的輸入,最終會產生一個標量輸出值。嘗試使用具有不同形狀輸入的ConcatLayer
第一輸入是尺寸(288,1001)
第二輸入是長度87
第三的向量是一個標量值的圖像
我在第一個輸入上使用Conv2DLayer(s)。 第二個輸入使用Conv1DLayer或DenseLayer(不知道哪個會更好,因爲我無法得到足夠的結果來看看會發生什麼) 我甚至不確定第三個輸入應該如何設置,因爲它只是一個我想要饋入網絡的價值。
的代碼在ConcatLayer吹了: 「不匹配:輸入形狀必須是除了在上述串列軸線」
這將是永遠感激,如果有人能寫出一個超級簡單的網絡結構可以接受這些類型的輸入並輸出單個標量值。我一整天都在Google上搜索,根本找不到這個。
擬合函數看起來是這樣的,如果它是有幫助的就知道了,你可以看到我輸入字典,一個項目對每個類型的輸入:
X = {'base_input': X_base, 'header_input': X_headers, 'time_input':X_time}
net.fit(X, y)
出於某種原因,我沒有想到我可以用DenseLayer重塑它。我想我以爲圖書館會有一種合併的方式,但經過進一步的思考,我意識到這樣一個過程可能無法用合理的默認方式來概括。然後,很明顯,我將不得不提供重塑所需的圖層。感謝您的非常有用的答案! – Beaker