python - 如何使用连接到预训练 CNN 的句子嵌入来构建神经网络
问题描述
我想构建一个神经网络,它将从 CNN 的最后一层(例如 VGG 或 resnet)获取特征图,连接一个额外的向量(例如,1X768 伯特向量),并重新训练最后一层分类问题。所以架构应该是这样的:
但我想为每个特征向量连接一个额外的向量(我有一个句子来描述每一帧)。
我有 5 个可能的标签,输入帧中有 100 个帧。
有人可以帮助我了解如何实现这种类型的网络吗?
解决方案
我建议查看Keras 功能 API。
与顺序模型(通常足以解决许多介绍性问题)不同,函数式 API允许您创建所需的任何非循环图。这意味着您可以有两个输入分支,一个用于 CNN(图像数据),另一个用于您需要做的任何 NLP(与您提到的描述性句子有关)。然后,您可以将这两个分支的组合输出输入网络的最后一层并产生结果。
即使您已经使用 来创建模型models.Sequential()
,重写它以使用函数式 API 也不应该太难。
更多信息和实现细节,请看这里的官方文档:https ://keras.io/guides/functional_api/
推荐阅读
- javascript - 错误:在 ReactJS 项目中运行 npm start 后找不到模块“serialize-javascript”,即使它存在于目录 node_modules 中
- javascript - 尝试为数据库中的用户更新密码时获得未经授权(重置密码功能)
- javascript - 结合jquery和剑道的例子
- javascript - 使用“onclick”事件模拟元素的中间点击
- excel - Excel VBA在数字字符串中添加零
- algorithm - 在其并集是整个图的图中找到大小相等的互斥完整子图
- r - R Shiny App HighCharter OHLC/Candlesticks 默认缩放周期
- java - string.replace() 中预期的变量
- matlab - 在 Matlab 和 Julia 中读取二进制文件时的不同输出
- angular - 如何测试在其他函数中调用的异步函数?