Keras构建和训练多输入网络模型-conditionalCNN（tensorflow相关）.pdf

Keras构建和训练多输⼊⽹络模型- conditionalCNN （tensorflow相关） 第⼆篇博客，⽤来整理之前写论⽂ 实验遇到的⼩问题和解决⽅法，本⽂环境为tensorflow-gpu 2.5.0。 由于在实验过程中，需要使⽤两个输⼊，⼀个图像作为输⼊，⼀个条件值也作为输⼊，所以在构建和训练双输⼊的⽹络遇到了⼀些问题。在 此记录多输⼊神经⽹络模型的构建⽅法和训练⽅法。 Keras构构建建 （（多多输输⼊⼊）） ⽹⽹络络模模型型 from tensorflow.keras.layers import Convolution2D, Flatten, Dropout, Max ooling2D, GlobalAvg ool2D, Dense, Add, Input, Activation, BatchNormalization from tensorflow.keras.models import Model inp1 = Input(shape=(1280, 1024, 1), name=img)#第⼀个输⼊，图像,名字为img inp2 = Input(shape=(1), name=rate)#第⼆个输⼊，条件，名字为rate #卷积层。 out = Convolution2D(4, 3, strides=(2, 2))(inp1) out = BatchNormalization()(out) out = Activation(relu)(out) out = Max ooling2D(2, 2)(out) #可加多层卷积 out = GlobalAvg ool2D()(out)#将卷积结果处理为⼀维数组shape=4 concatted = tf.keras.layers.Concatenate()([out, inp2])#将第⼆个输⼊与out拼接起来shape=5 out = Dense(16)(concatted)#全连接层 out = Dense(1)(out) model = Model(inputs=[inp1, inp2], outputs=out)#inp1和inp2作为输⼊，输出为out的模型实例化 plot_ model(model, to_file=RateCNN.png)#保存⽹络模型结构图 训训练练多多输输⼊⼊⽹⽹络络模模型型-使使⽤⽤fit ⼀般来说训练⽹络就是model.fit(x=data,y=label,epochs= 10);然⽽多输⼊时在train_data也只能输⼊⼀个变量，我们这⾥输⼊的时⼀个字 典格式的结果{img, rate} history = model.fit(x={img,rate},y=label,epochs=40) 可以开始训练包含多输⼊的⽹络模型。