用于训练多输入函数式Keras模型的几个X输入的格式

0 人关注

所以我目前正试图了解多输入的keras模型所期望的格式，不明白如何输入几个。

from tensorflow.keras.models import Model
import tensorflow.keras
import tensorflow as tf
first_input = Input(2)
second_input = Input(2)
concat_layer= Concatenate()([first_input, second_input ])
hidden= Dense(2, activation="relu")(concat_layer)
output = Dense(1, activation="sigmoid")(hidden)
model = Model(inputs=[first_input, second_input], outputs=output)
model.summary()
model.compile(loss='mean_squared_error', metrics=['mean_squared_error'], optimizer='adam')
# I managed to get the format for prediction and single training data correct
# this works
inp = [np.array([[0,2]]), np.array([[0,2]])]
model.predict(inp)
model.fit(inp,np.array([42]), epochs=3, )
# I don´t get why this isn´t working
# this doesn´t work
model.fit(np.array([inp,inp]),np.array([42, 43]), epochs=3, )´
在阅读了fit函数的keras文档后，我真的不明白为什么我的版本不能工作。
x : 训练数据的向量、矩阵或数组（如果模型有多个输入，则为列表）。如果模型中的所有输入都是命名的，你也可以传递一个将输入名称映射到数据的列表。如果从框架原生的张量（例如TensorFlow数据张量）中输入，x可以是NULL（默认）。
因为我简直是在给它一个列表的阵列。
最后一行代码导致以下错误。
ValueError: Layer model expects 2 input(s), but it received 1 input tensors. Inputs received: [<tf.Tensor 'IteratorGetNext:0' shape=(None, 2, 1, 2) dtype=int64>]
希望得到任何帮助。


         python


         numpy


         tensorflow


         keras


         dataformat


        
         
         
          SegmentationFaultLover
         
        
        
         发布于
         
         2021-05-22


        1
        
        个回答


          
           
           
            Pedro Marques
           
          
          
           发布于
           
           2021-05-22


          已采纳


         0
         
         人赞同


          
           当你创建模型时
          
          model = Model(inputs=[first_input, second_input], outputs=output)
这意味着输入预计是一个由2个形状为(2,)的张量和一个形状为(1,)的输出组成的列表（由最后一个密集层定义）。
所以，当你使用作为参数。
inp = [np.array([[0,2]]), np.array([[0,2]])]
这是一个有2个形状为（1，2）的数组的列表
np.array([42])
它是一个形状为(1)的数组
这符合你的模型定义。[实际上，输出应该有一个（1，1）的形状] 。
The line
model.fit(np.array([inp,inp]),np.array([42, 43]))
是想给一个整体形状为[2, 2, 1, 2]的数组列表和一个形状为[2]的目标。这与模型的定义不一致。
由于这很容易出错，我倾向于先建立.fit或预测调用的参数，然后明确打印它们的形状。
x_train = [a, b] # where a and b are np.arrays
print([x.shape for x in x_train])
例如，请尝试。
x_first = np.random.rand(8, 2) # batch_size 8, feature_size 2
x_second = np.random.rand(8, 2)
x_train = [a, b]