分别进入一个卷积模型，卷积后接全连接层和一个RNN模型，RNN后也接全连接层。将两个全连接层得到的特征合并最后再接全连接层分类。运行时显示，输入需要两个数组，但是我用的是同一个输入，这样的情况怎么解决呢？
2条回答 默认 最新
皮皮宽 2021-03-03 12:33关注CNN -> FC1 -> RNN -> FC2
FC1 + FC2 -> FC 是这意思吗？输入需要两个数组是什么意思？？CNN输入两个数组？
解决 无用评论 打赏举报
分享
- 2024-11-03 15:27k学长深度学习的博客 首先，项目利用了基于ImageNet预训练的ResNet-101模型进行医学影像特征提取，并且在去除ResNet的全连接层后，通过恒等映射（identity mapping）进一步优化特征的提取与保持，避免了在传输至LSTM前的特征信息丢失。...
- 2025-07-11 16:28深度之眼的博客 在当前纯CNN+RNN结构堆砌难发好文的情况下，这就是一种突破。还有“老结构新问题（农业/生物）”、“新解释（神经机制）”等方向，都是CNN+RNN老树还能开新花的好选择。因此如果有论文er感兴趣，不妨一试。想快速出...
- 2024-12-19 13:39AI_DL_CODE的博客 本文聚焦 RNN 与 CNN 融合于工厂生产优化。...扩展探讨模型优化、多模态数据融合、在工业 4.0 体系的集成应用，全方位展现该融合模型于工厂生产的潜力与前景，为智能化生产提供全面技术指引与实践参考。
- 2025-04-30 14:29我不是小upper的博客 模型流程为原始序列经 CNN 提取局部特征，再由 RNN 建模长期依赖，全连接层输出预测值。以生成的含周期和噪声序列为例，用 PyTorch 实现，包括数据处理、模型构建、训练及可视化分析。还探讨了损失函数、优化器，...
- 2025-08-10 07:21Matlab大师兄的博客 随着人工智能技术的发展，神经网络模型在股市预测中得到了广泛应用。CNN（卷积神经网络）在提取数据局部特征和空间关联方面具有独特优势，能够从股市的多维度数据（如不同股票的价格、成交量等）中挖掘出隐藏的空间...
- 2021-09-18 09:21计算机视觉农民工的博客 推荐下我自己建的人工智能Python学习群:【809160367】，群里都是学Python的，如果你想学或者正在学习Python ，欢迎你加入，大家都是软件开发党，不定期分享干货，还有免费直播课程领取。包括我自己整理的一份2021...
- 2025-09-09 17:00lvy-的博客 CNN-LSTM的数据准备 项目中所有CNN-LSTM模型使用相同的数据加载、归一化和重塑策略，与纯CNN和RNN所示相同。关键是重塑为(samples, 41, 1)： # 来自 KDDCup 99/CNN-LSTM/binary/cnn1.py（及其他） import pandas as...
- 2024-05-06 01:13AGI大模型与大数据研究院的博客 为了克服这一局限，研究人员开始探索将DQN与其他深度学习模型（如卷积神经网络（CNN）和循环神经网络（RNN））相结合，以提升其性能和适用性。 1.1 强化学习与深度学习的结合 强化学习（RL）是一种机器学习方法，它...
- 2025-05-06 17:22you的日常的博客 虽然如今已有更多先进的模型架构出现，但理解 CNN 和 RNN 的原理仍然是掌握现代深度学习技术的重要基础。无论你是初学者还是资深开发者，深入掌握这两类模型都将为你打开通往 AI 世界的大门。参考资料。
- 2025-03-26 11:44程了就行的博客 通过对 CNN 和 RNN 的基本原理、结构以及它们在图像识别中的优势进行分析，提出了一种结合两者优势的混合模型架构，并详细阐述了该模型在实验中的设计、实现过程以及对实验结果的评估。实验结果表明，这种混合模型...
- 没有解决我的问题, 去提问
