使用Keras Functional API为Tensorflow LITE建立模型

Question

我正在使用Keras Functional API进行测试，因为我需要将模型迁移到Tensorflow LITE。 我建立了一个具有3个输入和3个输出的模型。 如果所有输入都具有相同数量的观察值，则该模型将起作用。 我不明白这一点，因为这些是独立的。

ValueError: All input arrays (x) should have the same number of samples. Got array shapes: [(10, 5), (20, 5), (30, 5)

我想建立一个模型，其中包含多个具有不同观察值的输入。 那可能吗？

import numpy as np
from keras.layers import Input, Dense
from keras.models import Model
capas = 3

data = [ np.random.random(size=(50,5)) for i in range(3)]
labels = [ np.random.random(size=(50,2)) for i in range(3)]
visible=[]
preds=[]
for i in range( capas):
    visible.append(Input(shape=(5,)))
    x=Dense(5, activation='relu')(visible[i])
    x=Dense(10, activation='relu')(x)
    preds.append( Dense(2)(x))

model = Model(inputs=visible,output=preds)


model.compile(optimizer='adam',
              loss='mean_squared_error',
              metrics=['accuracy'])
model.fit(data, labels,epochs=50)

Answer 1

子模型是否独立是没有关系的，因为如果您创建多输入多输出模型，则可以通过将每个模型的损失合并（加权）为执行梯度下降的单个损失来进行训练，并且这需要在每个输入和输出中使用相同数量的样本。

既然您说每个模型都是独立的，则可以独立训练它们，然后创建一个新模型，将三个模型（及其训练的权重）与多个输入和输出相结合。