python - 在 Theano (CNN) 中添加附加功能

Question

我使用 Theano 进行分类(卷积神经网络)

之前，我一直使用(扁平化)图像的像素值作为神经网络的特征。现在，我想添加额外的功能。
有人告诉我，我可以将该附加特征向量连接到展平的图像特征，然后将其用作全连接层的输入，但我在这方面遇到了麻烦。

首先，这是正确的方法吗？

这是一些代码片段和我的错误:
类似于他们网站上提供的示例，但做了一些修改

(来自构建模型的类)

 # allocate symbolic variables for the data
 self.x = T.matrix('x')   # the data is presented as rasterized images
 self.y = T.ivector('y')  # the labels are presented as 1D vector of [int] labels
 self.f = T.matrix('f') # additional features

下面，变量v和rng是之前定义的。重要的是layer2_input:

layer2_input = self.layer1.output.flatten(2)
layer2_input = T.concatenate([layer2_input, self.f.flatten(2)])
self.layer2 = HiddenLayer(rng, input=layer2_input, n_in=v, n_out=200, activation=T.tanh)

(来自训练的类(class))

train_model = theano.function([index], cost, updates=updates,
          givens={
             model.x: train_set_x[index * batch_size: (index + 1) * batch_size],
             model.y: train_set_y[index * batch_size: (index + 1) * batch_size],
             model.f: train_set_f[index * batch_size: (index + 1) * batch_size]
          })

但是，调用 train_model 时出现错误:

ValueError: GpuJoin: Wrong inputs for input 1 related to inputs 0.!
Apply node that caused the error: GpuJoin(TensorConstant{0}, GpuElemwise{tanh,no_inplace}.0, GpuFlatten{2}.0)
Inputs shapes: [(), (5, 11776), (5, 2)]
Inputs strides: [(), (11776, 1), (2, 1)]
Inputs types: [TensorType(int8, scalar), CudaNdarrayType(float32, matrix), CudaNdarrayType(float32, matrix)]

输入形状是否分别代表 x、y 和 f 的形状？

如果是这样，第三个似乎是正确的(batchsize=5，2个额外特征)，但为什么第一个是标量，第二个是矩阵？

更多详细信息:

train_set_x.shape = (61, 19200) [61 flattened images (160x120), 19200 pixels]
train_set_y.shape = (61,) [61 integer labels]
train_set_f.shape = (61,2) [2 additional features per image]
batch_size = 5

我的想法正确吗？或者有更好的方法来实现这一目标吗？对于我收到错误的原因有什么见解吗？

Answer 1

问题是我在错误的轴上连接。

layer2_input = T.concatenate([layer2_input, self.f.flatten(2)])

应该是

layer2_input = T.concatenate([layer2_input, self.f.flatten(2)], axis=1)