带有TFLearn和Tensorflow的多列深度神经网络

Question

我正在尝试使用tflearn和tensorflow构建多列深度神经网络（MDNN）。 该MDNN在解释这个文件 。 我正在努力的部分是如何将两个或多个输入加在一起以馈入张量流。

对于单列，我有：

network = tflearn.input_data(shape=[None, image_shape, image_shape, 3])

和

model.fit(X_input, y_train, n_epoch=50, shuffle=True,
      validation_set=(X_test_norm, y_test),
      show_metric=True, batch_size=240, run_id='traffic_cnn2')

其中X_input的形状为(31367, 32, 32, 3) 。 我对numpy，tensorflow和tflearn很陌生。 现在的困难实际上在于如何指定多个输入来tflearn。

任何帮助是极大的赞赏。

Answer 1

本文中解释的MDNN使用数据上的随机（但有界）失真分别训练了多个模型。 训练完所有模型后，它们会使用集成分类器通过对所有数据在不同版本的数据上求平均值来生成预测。

据我了解，这些专栏不是联合训练的，而是独立训练的。 因此，您必须创建不同的模型并对其进行拟合。 我建议您开始训练一个模型，一旦有了训练设置，就会获得良好的效果，请复制它。 要生成预测，您必须从预测函数计算预测概率的平均值，并采用最可能的类别。

从输入生成数据的一种方法是使用数据扩充 。 但是，除了生成新数据，您必须将其替换为修改后的版本。