我大约有300个csv文件，其中包含风速，温度，压力等各列，每行从2007年到2012年是不同的时间。每个文件都来自不同的位置。我想将所有文件合并为一个文件，这是所有300个文件的平均值。因此，新文件中每个文件的行数和列数均相同，但是每个单元格将是所有300个文件的相应平均值。是否有捷径可寻？
我已经使用 tf.layers.conv2d 层构建了一个自动编码器，并希望分阶段训练它。即先训练外层，然后训练中层，然后训练内层。我知道这可以使用 tf.nn.conv2d，因为权重是使用 tf.get_variable 声明的，但我认为这也应该可以使用 tf.layers.conv2d。
如果我输入一个不同于原始图的新变量范围来更改卷积层的输入（即在阶段 1 期间跳过内层），我将无法重用权重。如果我不输入新的变量范围，我将无法冻结我不想在此阶段训练的权重。
基本上我想在这里使用 Aurélien Géron 的训练方法https://github.com/ageron/handson-ml/blob/master/15_autoencoders.ipynb
除了我想使用 cnn 而不是密集层。怎么做？