我目前有一个具有两个输入层的网络（image of toy example）。 in1只是值的简短平面向量，而in2是27通道图像。我希望将网络构建在本地连接的层上，但我不知道将in1的数据撒在in2数据中的好方法。目前，我将in2的分支平整了几层，与in1合并，然后添加密集的层。
如何在保持本地连接体系结构的同时密集引入in1的数据？上面链接的图像用红色箭头显示了此目标。
我想到的一种可能的解决方案是将in1的矢量作为通道复制到in2，以使in2的尺寸为width * height * (num_original_channels + len(in1) )。这似乎不太优雅，因为它将多次复制in1。肯定有更好的办法。
我是keras的新手，所以请原谅我摇摇欲坠的词汇。另外，这只是一个玩具示例，仅用于说明我的想法，因此可能会有其他/无关的建筑批评。
在此先感谢您的任何建议！
首先，这是我正在使用的代码：
input1 = Input( ... ) #small flat vec
input2 = Input( ... ) #deep picture
pre = Reshape( ... )( input2 )
l1 = LocallyConnected2D( ... )( pre )
l2 = LocallyConnected2D( ... )( l1 )
l3 = LocallyConnected2D( ... )( l2 )
flat = Flatten( ... )( l3 )
merge = tensorflow.keras.layers.concatenate( [flat, input1], ... )
l4 = Dense( ... )( merge )
l5 = Dense( ... )( l4 )
output = Dense( ... )( l5 )
最佳答案
在这里回答我自己的问题。似乎最好的解决方案是让input1和input2都创建两个具有相同层且没有激活函数的独立张量，将它们加在一起，然后添加激活。
使用之前的示例，它看起来像这样：
（我正在添加示例尺寸以希望阐明我的意思。它们是凭空构成的）
input1 = Input( ... ) #small flat vec, 1x200
input2 = Input( ... ) #deep picture, 50x50x10
l1 = LocallyConnected2D( activation=None, ... )( input2 ) # 40x40x5
num_elements = 40 * 40 * 5
d1 = Dense( units=num_elements, activation=None, ... )( input1 ) # 1x8000
d1_3D = Reshape( target_shape=(40, 40, 5,) )( d1 ) #40x40x5
merge = Add()([ l1, d1_3D ]) #40x40x5
l2 = LeakyReLU( ... )( merge ) #Or whatever activation function you want, 40x40x5
# ...
关于python - 如何创建具有本地连接层和密集父层的本地连接层？，我们在Stack Overflow上找到一个类似的问题：https://stackoverflow.com/questions/56975408/