[英]Combine CNN with LSTM
我希望与 CNN 一起实现 RNN,以便基于两张图像而不是单独使用 CNN 进行预测。 我正在尝试修改 alexnet model 代码:
def alexnet(width, height, lr, output=3):
network = input_data(shape=[None, width, height, 1], name='input')
network = conv_2d(network, 96, 11, strides=4, activation='relu')
network = max_pool_2d(network, 3, strides=2)
network = local_response_normalization(network)
network = conv_2d(network, 256, 5, activation='relu')
network = max_pool_2d(network, 3, strides=2)
network = local_response_normalization(network)
network = conv_2d(network, 384, 3, activation='relu')
network = conv_2d(network, 384, 3, activation='relu')
network = conv_2d(network, 256, 3, activation='relu')
network = max_pool_2d(network, 3, strides=2)
network = local_response_normalization(network)
network = fully_connected(network, 4096, activation='tanh')
network = dropout(network, 0.5)
network = fully_connected(network, 4096, activation='tanh')
network = dropout(network, 0.5)
network = fully_connected(network, output, activation='softmax')
network = regression(network, optimizer='momentum',
loss='categorical_crossentropy',
learning_rate=lr, name='targets')
model = tflearn.DNN(network, checkpoint_path='model_alexnet',
max_checkpoints=1, tensorboard_verbose=0, tensorboard_dir='log')
return model
我将图像放在一个 np 数组中,其中每个元素都是一个图像的像素数据。 我在使用 RNN 实现使用两个图像的功能时遇到了麻烦。
我已经看到了 tflearn 的 reshape 和 lstm 方法,我认为它们应该放在最终的全连接层之前,但不确定如何指定要使用的图像数量。
另外,使用 Keras 会更容易实现吗?
如果我理解正确,您需要执行以下操作。 让model
成为网络,将一系列图像作为输入并返回预测。 使用功能 API,其示意图如下所示:
def create_model():
input_data = keras.Input(shape=(number-of-images,shape-of-images))
### processing part ###
model = keras.Model(input_images, your-predictions)
return model
model = create_model()
在processing part
,您希望获得每个图像的编码,然后使用 RNN 将它们作为一个序列进行分析。
作为第一步,您需要获取所有图像的编码。 让encoder
成为对单个图像进行编码的网络,返回enc_dim
维编码。 为了有效地获取所有图像的编码,请注意在训练期间model
处理具有形状(batch-size,number-of-images,shape-of-images)
。 因此,总共有total-number-of-images
= (批量大小)x(图像数)图像。 要处理它们,请将input_data
重塑为具有维度(total-number-of-images,shape-of-images) ,如下所示:
input_data_reshaped = tf.reshape(input_data, (-1,shape-of-images)),
并将它们通过encoder
:
image_encodings_flatterned = encoder(input_data_reshaped).
这将产生形式为(total-number-of-images,enc_dim) 的 output 。 要处理编码,您需要恢复批量尺寸。 这很容易做到:
image_encodings = tf.reshape(image_encodings_flatterned, (-1,number-of-images,enc_dim))
正如预期的那样,它将数据重塑为(batch-size,number-of-images,enc_dim) 。 这些数据可以很容易地被 RNN 层或其组合处理。 例如,对于单个 LSTM 层,
rnn_analyzer = tf.keras.layers.LSTM(parameters)
预测结果如下:
rnn_encodings = rnn_analyzer(image_encodings).
密集层可以进一步使用rnn_encodings
来进行最终预测。
通过将上述内容放在model
的processing part
,您将达到目标。
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.