使用多個輸入訓練 Keras 模型

Question

我想使用 keras 訓練一個具有 3 個不同輸入的模型。 訓練數據 - x_train 、 left_train 、 right_train的形狀為 (10000,83,12)。 這是代碼的一部分。

from keras.layers import Dense, Input, LSTM
...
x = Input(shape = (83,12), dtype = "float32")
left = Input(shape = (83,12), dtype = "float32")
right = Input(shape = (83,12), dtype = "float32")
...
model = Model(inputs = [x, left, right], outputs = output)
model.compile(optimizer = "adadelta", loss = "categorical_crossentropy", metrics = ["accuracy"])
model.fit([x_train, left_train, right_train], y_train, validation_data=(x_test, y_test), epochs=20, batch_size=128)
...

我在訓練時收到以下錯誤：

ValueError                       Traceback (most recent call last)
<ipython-input-17-261d36872e91> in <module>()
     51 
     52 
---> 53 model.fit([x_train, left, right], y_train, validation_data= 
(x_test, y_test), epochs=20, batch_size=128)
     54 
     55 scores = model.evaluate(x_test, y_test)
     ...
     ValueError: Error when checking model input: the list of 
Numpy arrays that you are passing to your model is not the size the 
model expected. Expected to see 3 array(s), but instead got the 
following list of 1 arrays: [array(...

在調用fit方法時，我確實傳遞了 3 個輸入的列表。 有什么問題？

Answer 1

validation_data和model.evaluate需要是多輸入的。 在您的情況下，您只提供一個數組(x_test, y_test)和x_test ，它類似於([x_test, left_test, right_test], y_test) 。 本質上，驗證數據需要與訓練數據具有相同數量的輸入/輸出。