tflearn/tensorflow | 다중 스트림/멀티 스케일/앙상블 모델 정의

Question

tflearn을 사용하여 다중 스트림 모델을 정의하려고합니다. 동일한 아키텍처의 두 복사본이 있습니다 (또는 앙상블 모델로 생각할 수 있습니다). 같은 이미지의 작물이지만, 내가 어떻게 가서 tflearn으로 구현할 지 확신 할 수 없다.

내가 기본적으로이 데이터를 가지고 :

netIn1 = tflearn.input_data(shape=[None, 299, 299, 3]  
net1 = tflearn.conv_2d(netIn1, 16, 3, regularizer='L2', weight_decay=0.0001) 
... 
net1 = tflearn.fully_connected(net1, nbClasses, activation='sigmoid') 
net1 = tflearn.regression(net1, optimizer=adam, loss='binary_crossentropy') 

netIn2 = tflearn.input_data(shape=[None, 299, 299, 3]  
net2 = tflearn.conv_2d(netIn2, 16, 3, regularizer='L2', weight_decay=0.0001) 
... 
net2 = tflearn.fully_connected(net2, nbClasses, activation='sigmoid') 
net2 = tflearn.regression(net2, optimizer=adam, loss='binary_crossentropy') 

그리고 연결하여 두 개의 네트워크를 병합 :

X_train1, X_test1, y_train1, y_test1 : Dataset 1 (16images x 299 x 299px x 3ch) 
X_train2, X_test2, y_train2, y_test2 : Dataset 2 (16images x 299 x 299px x 3ch) 

을 그리고 내가 지금까지 만든 logical.pyexample (간체 코드)에 따라이 :

net = tflearn.merge([net1, net2], mode = 'concat', axis = 1) 

다음과 같이 교육을 시작하십시오.

# Training 
model = tflearn.DNN(net, checkpoint_path='model', 
       max_checkpoints=10, tensorboard_verbose=3, 
       clip_gradients=0.) 

model.fit([X1,X2], [Y1,Y2], validation_set=([testX1, testX2], [testY1,testY2])) 

이제 내 문제는 어떻게 네트워크의 시작 부분에서 입력을 구문 분석합니까? X1을 net1로, X2를 net2로 어떻게 분할합니까?

Answer 1

X1과 X2를 분리 할 필요없이 입력 레이어 netIn1과 netIn2에 자동으로 할당됩니다 (정의 된 순서대로).