[英]How to train Keras model with multiple inputs in Tensorflow 2.2?
我想用两个输入(一个文本输入和一些数字特征)训练 Keras model,但我很难让它工作。 我已经设置了 model,如Tensorflow 文档中关于多输入模型的描述:
import tensorflow as tf
from tensorflow.keras import Input, Model, models, layers
def build_model():
input1 = Input(shape=(50,), dtype=tf.int32, name='x1')
input2 = Input(shape=(1,), dtype=tf.float32, name='x2')
y1 = layers.Embedding(1000, 10, input_length=50)(input1)
y1 = layers.Flatten()(y1)
y = layers.Concatenate(axis=1)([y1, input2])
y = layers.Dense(1)(y)
return Model(inputs=[input1, input2], outputs=y)
构建 model 也可以正常工作:
model = build_model()
model.compile(loss='mse')
model.summary()
您可以在 此gist 中找到summary()
的 output。
然后需要一些(虚拟)数据来适应 model:
def make_dummy_data():
X1 = tf.data.Dataset.from_tensor_slices(tf.random.uniform([100, 50], maxval=1000, dtype=tf.int32))
X2 = tf.data.Dataset.from_tensor_slices(tf.random.uniform([100, 1], dtype=tf.float32))
X = tf.data.Dataset.zip((X1, X2)).map(lambda x1, x2: {'x1': x1, 'x2': x2})
y_true = tf.data.Dataset.from_tensor_slices(tf.random.uniform([100, 1], dtype=tf.float32))
return X, y_true
X, y_true = make_dummy_data()
Xy = tf.data.Dataset.zip((X, y_true))
model.fit(Xy, batch_size=32)
...但是现在fit()
失败并显示无法理解的错误消息(请参阅 此处的完整消息),该消息以(可能相关的)警告开头:
WARNING:tensorflow:Model was constructed with shape (None, 50) for input Tensor("x1:0", shape=(None, 50), dtype=int32), but it was called on an input with incompatible shape (50, 1).
咦,那个1号的额外维度是从哪里来的? 而且,我该如何摆脱它?
还有一件事:通过删除Embedding
层进一步简化这个虚拟 model 确实突然使 model 运行。
如果你想玩弄上面的示例,我在 Google Colab 上为它准备了一个笔记本。 任何帮助表示赞赏。
正如fit
的文档所述:
batch_size
Integer 或None
。 每次梯度更新的样本数。 如果未指定,batch_size
将默认为 32。如果您的数据是数据集、生成器或keras.utils.Sequence
实例(因为它们生成批次)的形式,请不要指定batch_size
。
也就是说,如果您使用数据集来训练您的 model,它将提供批次,而不是单个示例。 形状(50, 1)
可能来自 Keras 假设单个 50 元素示例实际上是一批 50 个 1 元素示例。
您可以像这样简单地修复它:
Xy = tf.data.Dataset.zip((X, y_true)).batch(32)
model.fit(Xy)
声明:本站的技术帖子网页,遵循CC BY-SA 4.0协议,如果您需要转载,请注明本站网址或者原文地址。任何问题请咨询:yoyou2525@163.com.