我一整天都在用谷歌搜索，试图在 Keras 中找到两个并行数据集的功能输入示例，但我找不到。
我的问题是我有数据集 1，一组执行不同动作的人的图像。它的格式为 csv，如下所示：
image_url,class
example1.png,BRUSH_TEETH
example2,BRUSH_TEETH
...
example10000.png,DANCING
我将预处理这些并将它们全部设为 64x64。我的第二个数据集将是跳跃运动数据，其中每一行都是与数据集 1 中的相应行同时捕获的信息
（忽略列名和值，我不确定它们会是什么样子，因为我还没有收集数据，但它们将是一行并平行于上述数据集1）
x,y,z,a,b,c,d,class
1,2,3,4,5,6,7,BRUSH_TEETH
8,9,10,3,1,3,4,BRUSH_TEETH
...
1,2,3,4,5,6,7,DANCING
我一直在阅读有关函数式 API 的信息，似乎我可以通过 CNN 运行来自 dataset1 的数据对象，同时运行来自 dataset2 的相同数据对象，例如通过深度 MLP。然后，使用合并或连接，将最终层的两个输出带到另一个深度 MLP，然后最终将这个最终合并的模型链接到一个输出
暂时忘记CNN，API给出了一个简单的合并示例如下：
import keras
input1 = keras.layers.Input(shape=(16,))
x1 = keras.layers.Dense(8, activation='relu')(input1)
input2 = keras.layers.Input(shape=(32,))
x2 = keras.layers.Dense(8, activation='relu')(input2)
# equivalent to added = keras.layers.add([x1, x2])
added = keras.layers.Add()([x1, x2])
out = keras.layers.Dense(4)(added)
model = keras.models.Model(inputs=[input1, input2], outputs=out)
我的问题是，我需要将 csv 中包含的图像输入 input1（以 CNN 的形式），同时向 input2 输入包含 Leap Motion 数据的第二个数据集中的相关行。PS：在上面我将如何在输出前与两个密集层合并后继续模型？会不会只是这样：
x3 …