machine-learning - 如何将 1 个以上的输入传递到 Tensorflow 神经网络？

Question

我一直坚持将 3 个输入(不同形状的占位符)传递到神经网络的隐藏层。

这是我到目前为止所拥有的:

with tf.name_scope("Final_Check"):
    # TODO: Is this the correct way to pass 3 inputs into the hidden layer?
    final_layer1 = tf.layers.dense([self.final_time_input, self.final_request_input, self.final_stream_input],
                                   500,
                                   activation=tf.nn.relu,
                                   name="final_hl1")
    final_layer2 = tf.layers.dense(final_layer1,
                                   500,
                                   activation=tf.nn.relu,
                                   name="final_h12")
    final_layer3 = tf.layers.dense(final_layer2,
                                   500,
                                   activation=tf.nn.relu,
                                   name="final_hl3")

    final_output = tf.layers.dense(final_layer3,
                                   500,
                                   activation=tf.nn.relu,
                                   name="final_output")

占位符:

1. self.final_time_input
2. self.final_request_input
3. self.final_stream_input

隐藏层:所有final_layer[1-3]和final_output

我尝试在谷歌上搜索一些示例代码，但找不到任何代码。

Answer 1

tf.layers.dense 需要张量输入。在您的情况下，它是一个列表 ([self.final_time_input, self.final_request_input, self.final_stream_input])。您需要使用 tf.concat 连接它们，以便

tf.concat([self.final_time_input, self.final_request_input, self.final_stream_input], axis=1)

假设输入张量的形状为[batch_size, feature_size]，其中feature_size可以不同。