我目前正在寻找一种将多种数据类型传递给tensorflow CNN进行分类训练的方法。具体来说，我想输入图像以及图像的深度数据(与相机的距离)来训练不同分类的CNN，尽管我不知道这是否可能。由于这是训练方法，我还需要使用图像和深度数据来查询模型。
如果有人知道如何做到这一点，或一些想法，指出我在正确的方向，请分享他们。
谢谢。
我不确定你所说的"深度数据"是什么意思。在这里。如果要引用图像中的通道数，则需要针对特定的CNN模型进行固定，因为过滤器将包含每个通道输入的权重。但是你可以使用最大通道数来定义和训练一个模型，并使用更少的通道数来填充输入，直到最大通道数。
如果深度是图像的其他类型的元数据(如水下深度)，那么你不会直接将其馈送到CNN层。相反，你可以将其定义为一个单独的输入，并将其与馈入分类器的CNN层的特征输出合并。