向 tflearn CNN 添加多个元数据

Question

我使用 CNN 进行（医学）图像分析和预测，使用的是典型的 CNN。我像这样向 CNN 网络添加了一组元数据，它似乎有效： 网络=输入数据（形状=[..]，..） metadata_1 = input_data(shape=[..],..)

network = <convolutions and some max pooling>
network = fully_connected(network, 100,..>
network = merge (network, metadata_1)
network = fully_connected ()
...

现在，我可以扩展它来做到这一点吗？有人有经验吗？和陷阱？

network = input_data(shape=[..],..)
metadata_1 = input_data(shape=[..],..)    
...
metadata_n = input_data(shape=[..],..)
network = <convolutions and some max pooling>
network = fully_connected(network, 100,..>
network = merge (network, metadata_1)
...
network = merge (network, metadata_n)
network = fully_connected ()
...

提前致谢。

Answer 1

我认为您在这里谈论的是层级联。至少那是我在我的 CNN 中使用的。

现在，在您的情况下，您将元数据添加到连续的层中 n 次。这会产生 n 个额外的层，这可能会占用大量内存。我发现更直观的是使用 concat 层并将 conv 和所有元数据层连接在一起。

network = <convolutions and some max pooling>
network = fully_connected(network, 100,..>  
network = concat (network, metadata_1, metadata_2, ..., metadata_n)
network = fully_connected ()
...

您的方法可能会得到不同的结果，但我怀疑不会有太大差异。如果你想知道你应该尝试两者。