在Keras中，如何将两个图像输入到稠密层？

Question

我想用Keras和TensorFlow来完成以下工作：

我有10000组三幅图像，每个8x8字节，在我的训练数据中颜色值为0到16。我称它们为图像A、B和C（实际上它们在csv文件中表示为三个64个十六进制字符的字符串）

C是a和B的一种组合

我想做的是训练一个网络，让它得到a和B作为输入，C作为标签。然后输入两幅网络未见过的图像（A、B），生成C

我读取csv文件的方法是：

import pandas as pds
training_data_filename = 'training_data.csv'

dataframeX = pds.read_csv(training_data_filename, usecols=[2, 3])
dataframeY = pds.read_csv(training_data_filename, usecols=[4])

print(dataframeX.head())
print(dataframeY.head())

输出为：

^{pr2}$

但我不明白如何将（A，B）输入到稠密层，并使用C作为所需的输出。如何构建模型？在

Answer 1

你不能把绳子塞进一个稠密的层里。密集层需要一个数字向量作为输入。因此，第一步是将输入图像转换为numpy数组（我不确定为什么图像是十六进制字符串）。在

例如：

import cv2
numpy_array = cv2.imread("img.jpg")

从那里可以很容易地将numpy数组提供给一个密集的层并执行分类。有关代码示例，请参见： Training a simple deep NN on the MNIST dataset

也就是说，如果我理解正确的话，你想从A和B两个图像生成一个图像C，这不是一个深度神经网络的工作。如果这是你想做的，看看卷积神经网络和生成对抗网络。在