创建一个自定义的 tensorflow 层来分离特征答案

【问题标题】：Create a customized tensorflow layer to separate features创建一个自定义的 tensorflow 层来分离特征
【发布时间】：2021-07-05 21:42:54
【问题描述】：

为了解决我在这里发布的问题：Adjust the output of a CNN as an input for TimeDistributed tensorflow layer 这是关于时间分布式张量流层的输入数据格式，我想到了另一个想法：而不是将两个输入传递给CNN 模型，如果在设计 CNN 模型之前，我使用 pandas 或 numpy 将两个输入合并为一个输入，然后将其传递给 CNN 模型，然后 AFTER INPUT LAYER 和 BEFORE CONVOLUTION LAYER，我添加了一个自定义层，用于分离我连接它们的功能！！这可能吗？下图更多地解释了我在说什么：

【问题讨论】：

你不需要创建自定义层...你可以简单地使用索引切片来分离输入

标签： python tensorflow keras

【解决方案1】：

感谢@Marco 的帮助。正如 Marco 所说，我使用索引切片分离输入，并使用 Lambda 层 完成。这是代码：

input_layer1=tf.keras.Input(shape=(input_shape))
separate_features1 = tf.keras.layers.Lambda(lambda x : tf.transpose(x,[0,1,2,3])[:,:-1,:,:])(input_layer1)
separate_features2 = tf.keras.layers.Lambda(lambda x : tf.transpose(x,[0,1,2,3])[:,-1:,:,:])(input_layer1)

这是模型架构：

【讨论】：