Keras: 在Dense层中添加一批常数输入

我有一个神经网络，具有两种不同的输入。输入1是图像数据，输入2是一个单一的浮点数。因此，我的输入形状为(32,img_dim)和(32,1)，批次大小为32。

神经网络的输出层是一个Dense层，具有10+（可变）的输出，使用线性激活函数（回归）。我想将输入2中的浮点数添加到这10+个输出中的每一个。我如何将一个简单的值（批次中每个样本不同）添加到整个层（广播到10+个输出）？

例如，对于批次大小为3，我有输入2：

[12.0,23.0,60.0]

现在我想为第一个样本将12.0添加到层中的所有单元。然后为批次中的下一个样本添加23.0，依此类推。

回答：

您可以使用功能API模型

from keras.models import Model

为模型创建两个输入：

inpImg = Input((rows,columns,channels))inpFloat = Input((1,))

像这样创建您的层：

outputTensor = SomeLayer(....)(inputTensor)#示例：convOut = Conv2D(20,kernel_size=3,activation='relu')(inpImg)

在您希望进行乘法的地方，我们创建一个Lambda层来进行自定义操作（假设您有来自最后一层的lastOut）。请注意，此层接受列表中的两个输入，这就是为什么我们需要功能API模型。

multOut = Lambda(lambda x: x[0] + x[1],output_shape=(10,))([lastOut,inpFloat])

然后，创建模型：

model = Model([inpImg,inpFloat],multOut)

正常编译模型，并在拟合和预测时，传递一个numpy输入列表：

model.fit([trainImages, trainFloats],labels)

学技术