如何使用 deeplearning4j 将混合类型输入连接到多层网络？答案

【问题标题】：How can I concatenate mixed type input into multi layer network with deeplearning4j?如何使用 deeplearning4j 将混合类型输入连接到多层网络？
【发布时间】：2025-12-18 10:25:01
【问题描述】：

我有一个数据集，其中一些特征是数字的，一些是分类的，还有一些是字符串的（例如描述）。举个例子，假设我有三个特征：

| Number | Type | Comment                               |
---------------------------------------------------------
| 1.23   | 1    | Some comment, up to 10000 characters  |
| 2.34   | 2    | Different comment many words          |
...

我能否将它们全部作为 dl4j 中多层网络的输入，其中数字和分类将是常规输入特征，但字符串注释特征将首先由简单的 RNN 作为单词序列处理（例如嵌入 - > LSTM）？换句话说，架构应该是这样的：

"Number"  "Type"  "Comment"
  |         |         |
  |         |      Embedding
  |         |         |
  |         |       LSTM
  |         |         |
 Main Multi-Layer Network
          | 
        Dense
          |
         ...
          |
       Output

我认为在 Keras 中，这可以通过 Concatenate 层来实现。 DL4J 中有这样的东西吗？

【问题讨论】：

标签： machine-learning deep-learning deeplearning4j dl4j

【解决方案1】：

Dl4j 具有 99% 的 keras 导入覆盖率。我们也有连接层。看看不同的顶点。您在 keras 中可以做的任何事情都应该在 dl4j 中可以做，除非是非常特殊的情况。更多在这里：https://deeplearning4j.org/docs/latest/deeplearning4j-nn-computationgraph 你想要一个 MergeVertex。

【讨论】：

是的，MergeVertex 和 ComputationalGraph（不是 MultiLayerNetwork）似乎是要走的路。