如何处理 Keras 层的重复输入？
How to handle repeated input for a Keras layer?
我有一个 Keras 模型，它有两个输入层。
- 形状为
(20,300) 的推文。
- 另外五个形状为
(5,20,300) 的推文。然而，此输入对于所有训练示例都是相同的。
换句话说，对于每个训练步骤，都会有一条不同的推文（第一个输入）和相同的五个推文（第二个输入）。我的第二个输入具有 (5,20,300) 的形状，非常大，可以重复 num_samples 次，然后用作 Keras 模型的输入层。
我需要一种方法来在 keras 模型中使用第二个输入但不重复 num_samples 次。
有什么方法可以处理这种类型的输入吗？
使用该常量输入创建一个张量：
fixed_tweets = keras.backend.constant(the_tweets_as_numpy)
使用常规输入和 tensor 输入：
input1 = Input((20,300))
input2 = Input(tensor=fixed_tweets)
去玩吧！！
您可能需要自定义图层来处理 input1（任意）和 input2 (5) 的批量大小之间的差异。
我有一个 Keras 模型，它有两个输入层。
- 形状为
(20,300)的推文。 - 另外五个形状为
(5,20,300)的推文。然而，此输入对于所有训练示例都是相同的。
换句话说，对于每个训练步骤，都会有一条不同的推文（第一个输入）和相同的五个推文（第二个输入）。我的第二个输入具有 (5,20,300) 的形状，非常大，可以重复 num_samples 次，然后用作 Keras 模型的输入层。
我需要一种方法来在 keras 模型中使用第二个输入但不重复 num_samples 次。
有什么方法可以处理这种类型的输入吗？
使用该常量输入创建一个张量：
fixed_tweets = keras.backend.constant(the_tweets_as_numpy)
使用常规输入和 tensor 输入：
input1 = Input((20,300))
input2 = Input(tensor=fixed_tweets)
去玩吧！！
您可能需要自定义图层来处理 input1（任意）和 input2 (5) 的批量大小之间的差异。