小编Moh*_*ved的帖子

我正在尝试在 keras 中进行神经网络，它首先检查它是猫还是狗（基本模型）。

如果是狗，则通过另一个模型（sub-model-1）

如果它是一只猫，那么它会通过另一个模型（子模型 2）

子模型是专门训练的小模型，用于根据品种进行分类..所以子模型 1 会将狗分类为各种狗的品种。. 而 sub-model-2 会将猫分类为各种猫的品种。

我面临的问题是：我不知道如何添加条件层，这样如果基础模型有 500 万个神经元，每个子模型有 200 万-200 万个神经元。如果图像通过基础模型，那么它应该只通过 sub-model1 或 sub-model2.. 所以总共只有 700 万个神经元在将一张图像传递到最终输出。

任何帮助，参考，一切都将是可观的。