假设我希望拥有以下一般的神经网络架构：

Input1 --> CNNLayer                     \                     ---> FCLayer ---> Output                    /Input2 --> FCLayer

Input1 是图像数据，Input2 是非图像数据。我已经在Tensorflow中实现了这个架构。

我找到的所有PyTorch示例都是一个输入通过每一层。我如何定义前向函数来分别处理两个输入，然后在中间层将它们结合起来？

回答：

我假设你所说的“结合它们”是指拼接这两个输入。
假设你沿着第二个维度进行拼接：

import torchfrom torch import nnclass TwoInputsNet(nn.Module):  def __init__(self):    super(TwoInputsNet, self).__init__()    self.conv = nn.Conv2d( ... )  # 在这里设置你的层    self.fc1 = nn.Linear( ... )  # 设置第一个全连接层    self.fc2 = nn.Linear( ... )  # 设置另一个全连接层  def forward(self, input1, input2):    c = self.conv(input1)    f = self.fc1(input2)    # 现在我们可以将 `c` 和 `f` 重塑为2D并拼接它们    combined = torch.cat((c.view(c.size(0), -1),                          f.view(f.size(0), -1)), dim=1)    out = self.fc2(combined)    return out

请注意，当你定义 self.fc2 的输入数量时，你需要考虑 self.conv 的 out_channels 以及 c 的输出空间维度。