用于训练多输入功能keras模型的几个x输入的格式

Question

所以我目前正在尝试了解多输入 keras 模型期望的格式，但不了解如何输入多种格式。

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, )´

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起作用：

x ：向量、矩阵或训练数据数组（如果模型有多个输入，则为列表）。如果模型中的所有输入都已命名，您还可以传递一个将输入名称映射到数据的列表。如果从框架原生张量（例如 TensorFlow 数据张量）馈送，x 可以为 NULL（默认值）。

因为我实际上是在给它一个列表数组。

最后一行代码导致以下错误：

ValueError：图层模型需要 2 个输入，但它收到了 1 个输入张量。收到的输入：[]

感谢任何帮助。

Answer 1

创建模型时

model = Model(inputs=[first_input, second_input], outputs=output)

这意味着输入应该是一个列表，其中包含 2 个形状为 (2,) 的张量和一个形状为 (1,) 的输出（由最后一个 Dense 层定义）。

因此，当您用作参数时：

inp = [np.array([[0,2]]), np.array([[0,2]])]

这是一个包含 2 个形状 (1, 2) 数组的列表

和

np.array([42])

这是一个形状为 (1) 的数组

这符合您的模型定义。 [实际上输出的形状应该是 (1, 1)]

行

model.fit(np.array([inp,inp]),np.array([42, 43]))

正在尝试提供一个整体形状为 [2, 2, 1, 2] 的数组列表和一个形状为 [2] 的目标。这与模型定义不匹配。

由于很容易出错，我倾向于先构建 .fit 或 predict 调用的参数，然后显式打印它们的形状...

例如

x_train = [a, b] # where a and b are np.arrays
print([x.shape for x in x_train])

例如尝试：

x_first = np.random.rand(8, 2) # batch_size 8, feature_size 2
x_second = np.random.rand(8, 2)
x_train = [a, b]

y_true = np.random.rand(8)

model.fit(x_train, y_true)

用于训练多输入功能keras模型的几个x输入的格式

Format of several x inputs for training multi input functional keras model

python

numpy

dataformat

keras

tensorflow