假设我想在 TensorFlow 中向卷积神经网络CNN添加一些手工制作的特征。
CNN 可以是一个简单的，如此处所述。
当然，我想在第二个池之后和第一个全连接层（示例中的 FC1）之前添加这些功能。
用代码表达我的方法很容易吗？我必须将我的特征附加到h_pool2_flat向量/张量：
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
我想到了。如果我们将附加功能表示为x_feat，我将这些行从
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
到
h_pool2_flat = tf.reshape(h_pool2, [-1, 7*7*64])
h_pool2_flat = tf.concat( [h_pool2_flat, x_feat ], 1 )
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat, W_fc1) + b_fc1)
您可以做的一件事是用其他类型的分类器替换 softmax 层，我推荐 SVM。因此，您可以将手工制作的特征与密集层的输出连接起来提供给 SVM。