具有多个输入的 Keras 模型

编程问答 2022-04-23

问题描述

我制作了一个模型（模型 1），它以 31 个不同的数组作为输入。它由 31 个输入层组成，在下一层（使用连接层）一起计算。这种多输入模型工作得很好。
但是，我想添加更多信息。因此，我添加了一个以一个数组作为输入的模型（模型 2），然后将两个模型（1 和 2）的结果送入一个连接层，该层作为最后一个模型（模型 3）的输入进行回归。
但是现在最后一个模型的拟合方法不起作用。

history = modelConcatenate.fit(x=[trainSet,train.drop(trait,axis=1).iloc[:,44479:].values],y=train[trait[i]].values,validation_data=([testSet,test.drop(trait,test[trait[i]].values),epochs=200,callbacks=[history],verbose=0,batch_size=10)

trainSet 是 31 个数组的数组（第一个模型的输入），train 包含模型 2 的输入。
训练时出现以下错误：

ValueError                                Traceback (most recent call last)
<ipython-input-16-a7f53b631b76> in <module>
----> 1 evaluationMulti(cnn=False)

<ipython-input-14-0cc8c088dbd1> in evaluationMulti(cnn)
     74                                          validation_data=([testSet,75                                                           test[trait[i]].values),---> 76                                 epochs=200,batch_size=10)
     77             end = time.time()
     78             print("tempsd'entrainement: ",end-start)

/usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/training.py in fit(self,x,y,batch_size,epochs,verbose,callbacks,validation_split,validation_data,shuffle,class_weight,sample_weight,initial_epoch,steps_per_epoch,validation_steps,validation_freq,max_queue_size,workers,use_multiprocessing,**kwargs)
    725         max_queue_size=max_queue_size,726         workers=workers,--> 727         use_multiprocessing=use_multiprocessing)
    728 
    729   def evaluate(self,/usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/training_arrays.py in fit(self,model,**kwargs)
    641         steps=steps_per_epoch,642         validation_split=validation_split,--> 643         shuffle=shuffle)
    644 
    645     if validation_data:

/usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/training.py in _standardize_user_data(self,check_steps,steps_name,steps,extract_tensors_from_dataset)
   2469           Feed_input_shapes,2470           check_batch_axis=False,# Don't enforce the batch size.
-> 2471           exception_prefix='input')
   2472 
   2473     # Get typespecs for the input data and sanitize it if necessary.

/usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/training_utils.py in standardize_input_data(data,names,shapes,check_batch_axis,exception_prefix)
    502   elif isinstance(data,(list,tuple)):
    503     if isinstance(data[0],tuple)):
--> 504       data = [np.asarray(d) for d in data]
    505     elif len(names) == 1 and isinstance(data[0],(float,int)):
    506       data = [np.asarray(data)]

/usr/local/lib/python3.7/dist-packages/tensorflow_core/python/keras/engine/training_utils.py in <listcomp>(.0)
    502   elif isinstance(data,int)):
    506       data = [np.asarray(data)]

/usr/lib/python3/dist-packages/numpy/core/numeric.py in asarray(a,dtype,order)
    536 
    537     """
--> 538     return array(a,copy=False,order=order)
    539 
    540 

ValueError: Could not broadcast input array from shape (804,3482) into shape (804)

804 是训练集的大小，3482 是第一个模型的第一个数组的大小。 我不明白为什么使用 31 个输入的数组适用于模型 1，但现在使用 2 个输入的数组却不起作用。

解决方法

暂无找到可以解决该程序问题的有效方法，小编努力寻找整理中！

如果你已经找到好的解决方法，欢迎将解决方案带上本链接一起发送给小编。

小编邮箱:dio#foxmail.com (将#修改为@）

keraskerasmultiple-inputpythontensorflowtensorflowtensorflow