TFLearnとTensorflowを使用したマルチカラムディープニューラルネットワーク

Question

私はtflearnとtensorflowでマルチカラムディープニューラルネットワーク（MDNN）を構築しようとしています。 MDNNはthis paperで説明されています。私が苦労しているのは、2つ以上の入力を一緒にしてテンソルフローに追加する方法です。

network = tflearn.input_data(shape=[None, image_shape, image_shape, 3]) 

と

X_input形状 (31367, 32, 32, 3)である

model.fit(X_input, y_train, n_epoch=50, shuffle=True, 
     validation_set=(X_test_norm, y_test), 
     show_metric=True, batch_size=240, run_id='traffic_cnn2') 

：私は単一の列について

。私はnumpy、tensorflow、tflearnにはかなり新しいです。現在の難しさは、実際に複数の入力を指定する方法にあります。

ご協力いただきまして誠にありがとうございます。

Answer 1

この論文で説明されているMDNNは、データにランダムな（しかし有界の）歪みを使用するいくつかのモデルを個別に訓練します。すべてのモデルが訓練されると、データの異なるバージョン上のすべてのモデルの出力を平均化することによって、アンサンブル分類器を使用して予測が生成されます。

私が理解する限り、列は共同ではなく独立して訓練されています。したがって、異なるモデルを作成し、それぞれにモデルを呼び出す必要があります。私はあなたが単一のモデルを訓練し始めることをお勧めします。訓練の設定が良い結果を得たら、それを複製してください。予測を生成するには、予測関数から予測された確率の平均を計算し、最も可能性の高いクラスを取る必要があります。

入力からデータを生成する1つの方法は、data augmentationを使用することです。ただし、新しいデータを生成する代わりに、変更されたデータで置き換える必要があります。