如何将数据提供给正在连接的 NN 模型？答案

【问题标题】：How to give data to NN models that are being concatenated?如何将数据提供给正在连接的 NN 模型？
【发布时间】：2020-06-24 13:21:43
【问题描述】：

我有两种类型的数据 - 带有标签的表数据集和图像集。我正在构建一个回归模型和一个将连接的 CNN 模型。这个想法是，通过训练 CNN，我将提取更多特征，这将有助于回归模型。但是我从来没有建立过这样的模型，也不知道如何在 model.fit 部分中给它数据。我有两对数据：

train_x、train_y 来自表数据集，以及
img_train_x 来自图像数据集（我当然也有测试数据）。因此，model.fit 只接受两个变量 - X、y。我不知道将图像中的数据放在哪里。

这是我的模型：

inputs1 = Input(shape = (1,52,53))
model1 = Conv2D(filters = 32, kernel_size=5, padding = 'same', activation='relu')(inputs)
model1 = BatchNormalization()(model1)
model1 = MaxPool2D(pool_size = (2,2), data_format='channels_first')(model1)

model1 = Conv2D(filters = 32, kernel_size=5, padding = 'same', activation='relu')(inputs)
model1 = BatchNormalization()(model1)
model1 = MaxPool2D(pool_size = (2,2), data_format='channels_first')(model1)

model1 = Conv2D(filters = 64, kernel_size=5, padding = 'same', activation='relu')(inputs)
model1 = BatchNormalization()(model1)
model1 = MaxPool2D(pool_size = (2,2), data_format='channels_first')(model1)

model1 = Conv2D(filters = 128, kernel_size=5, padding = 'same', activation='relu')(inputs)
model1 = BatchNormalization()(model1)
model1 = MaxPool2D(pool_size = (2,2), data_format='channels_first')(model1)

flatten = Flatten()(model1)

inputs2 = Input(shape = (1404,))
model2 = Dense(1404, activation='relu')(inputs2)
model2 = Dropout(0.25)(model2)
model2 = Dense(702, activation = 'relu')(model2)
model2 = Dropout(0.25)(model2)
model2 = Dense(702, activation = 'relu')(model2)
model2 = Dropout(0.25)(model2)
model2 = Dense(351, activation = 'relu')(model2)

concat = Concatenate()([flatten, model2])

outputs = Dense(num_regr_outputs)(concat)

我会很感激这里的帮助。

【问题讨论】：

初始图像的形状是什么？ (1, 52, 53)...黑白图像，通道优先？

标签： tensorflow neural-network tensorflow2.0 tf.keras conv-neural-network

【解决方案1】：

我能够解决这个问题（尽管出现了新问题......）我只是添加

combined_model = Model(inputs = [inputs1, inputs2], outputs = outputs)

最后。这样我可以添加两个数据集。现在新的问题是形状，但这是另一个问题。

【讨论】：