用多个值填充神经网络答案

【问题标题】：Filling a neural network with multiple values用多个值填充神经网络
【发布时间】：2019-02-23 20:24:03
【问题描述】：

根据英伟达的神经网络架构：

self.model = Sequential()                                      #135, 135, 3
self.model.add(BatchNormalization(epsilon=0.001, input_shape=(135, 135, 3)))
self.model.add(Conv2D(24, 5, 5, border_mode='valid', activation='relu', subsample=(2, 2)))
self.model.add(Dropout(0.5))
self.model.add(Conv2D(36, 5, 5, border_mode='valid', activation='relu', subsample=(2, 2)))
self.model.add(Dropout(0.5))
self.model.add(Conv2D(48, 5, 5, border_mode='valid', activation='relu', subsample=(2, 2)))
self.model.add(Dropout(0.5))
self.model.add(Conv2D(64, 3, 3, border_mode='valid', activation='relu', subsample=(1, 1)))
self.model.add(Dropout(0.5))
self.model.add(Conv2D(64, 3, 3, border_mode='valid', activation='relu', subsample=(1, 1)))
self.model.add(Dropout(0.5))
self.model.add(Flatten())
self.model.add(Dense(1164, activation='relu'))
self.model.add(Dropout(0.5))
self.model.add(Dense(100, activation='relu'))
self.model.add(Dropout(0.5))
self.model.add(Dense(50, activation='relu'))
self.model.add(Dropout(0.5))
self.model.add(Dense(10, activation='relu'))
self.model.add(Dropout(0.5))
self.model.add(Dense(1, activation='tanh'))

adam = Adam(lr=0.0001)
self.model.compile(loss='mse',
              optimizer=adam,
              metrics=['accuracy'])

此模型专为自动驾驶问题而设计。

在入口处，在卷积网络的第一层，它获取尺寸为135, 135, 3 的图像，并且在入口处已经给出了机器应该转动的任何角度（取决于数据集）

是否有任何方法可以与图像一起添加 - 例如，来自传感器的任何读数？（距离等）

例如：我有一个图像，尺寸为135,135,3 以及传感器的一组读数，例如：

3 任何传感器 [10, 0, 25]

例如，标记它们，向左转。

-25 - 左侧，0 - 直线，25 - 右侧

如何结合传感器和图像的读数，以便在学习神经网络后考虑这些传感器的读数？

【问题讨论】：

标签： python machine-learning neural-network

【解决方案1】：

当然可以，它只是一些额外的数据，但您对它的处理可能不适合使用 Conv2D 网络。所以也许在你做密集或稍后的时候，你合并了两个网络； https://datascience.stackexchange.com/questions/26103/merging-two-different-models-in-keras 有一个 keras 示例，它也可以在张量流中使用。

【讨论】：