如何向 MNIST 数据集添加另一个输入
how to add another input to MNIST dataset
假设 MNIST 数据集有另一个特征，比如数字是由右撇子还是左撇子写的。如何使用这些信息？我想用张量流。
编辑：
如果我的问题含糊不清，我很抱歉。我吸取了教训，会提出更好的问题。
您正在尝试添加 label 的另一个维度，而不是特征。您需要编辑每个输入文件以包含这些单独的 类（0-L 到 9-L，0-R 到 9-R），然后扩大拓扑以处理添加的歧视。
缩放模型需要进行一些试验。我建议您开始时在每个隐藏层中增加 20% 到 100% 的节点； 运行 通过一系列实验来找到您的最佳拓扑结构。
OP 评论后更新
零也左右倾斜，但通常更微妙。然而。主要原因是您正在制定更详细的决策集，因此您可能需要更多的中间因素。这些是隐藏节点。
在 20 上尝试原始拓扑 类；看看它的效果如何，然后从那里开始。 我认为您需要更多节点，但最终权威是您训练的模型。
构建模型仍然是 something of an art，尽管我们每年都在学习更多。如果问题与具有已知解决方案（即您的解决方案）的问题非常相似，我们通常可以通过更改当前模型的 "width" 来弥补问题的差异，从而获得很好的解决方案。
在你的例子中，两倍的 类 来区分表明隐藏节点的数量简单增加。然而，无论这种增加是将节点加倍、增加更小的数量，还是仅仅将最后一层从 10 层更改为 20 层 类，都是深度学习研究人员的练习——就是你。 :-)
另一个更新
我明白了——它是输入，而不是分类。我的错误，不是你的。
是的，您可以这样做...但是您需要更改输入格式以适应添加的信息。这意味着向每个输入文件添加一个位来表示手，并在您的摄取方法中反映该额外位。我希望该模型能够适应当前的拓扑结构。
假设 MNIST 数据集有另一个特征，比如数字是由右撇子还是左撇子写的。如何使用这些信息？我想用张量流。
编辑： 如果我的问题含糊不清，我很抱歉。我吸取了教训，会提出更好的问题。
您正在尝试添加 label 的另一个维度，而不是特征。您需要编辑每个输入文件以包含这些单独的 类（0-L 到 9-L，0-R 到 9-R），然后扩大拓扑以处理添加的歧视。
缩放模型需要进行一些试验。我建议您开始时在每个隐藏层中增加 20% 到 100% 的节点； 运行 通过一系列实验来找到您的最佳拓扑结构。
OP 评论后更新
零也左右倾斜，但通常更微妙。然而。主要原因是您正在制定更详细的决策集，因此您可能需要更多的中间因素。这些是隐藏节点。
在 20 上尝试原始拓扑 类；看看它的效果如何，然后从那里开始。 我认为您需要更多节点，但最终权威是您训练的模型。
构建模型仍然是 something of an art，尽管我们每年都在学习更多。如果问题与具有已知解决方案（即您的解决方案）的问题非常相似，我们通常可以通过更改当前模型的 "width" 来弥补问题的差异，从而获得很好的解决方案。
在你的例子中，两倍的 类 来区分表明隐藏节点的数量简单增加。然而，无论这种增加是将节点加倍、增加更小的数量，还是仅仅将最后一层从 10 层更改为 20 层 类，都是深度学习研究人员的练习——就是你。 :-)
另一个更新
我明白了——它是输入，而不是分类。我的错误，不是你的。
是的，您可以这样做...但是您需要更改输入格式以适应添加的信息。这意味着向每个输入文件添加一个位来表示手，并在您的摄取方法中反映该额外位。我希望该模型能够适应当前的拓扑结构。