使用Keras Functional API為Tensorflow LITE建立模型

Question

我正在使用Keras Functional API進行測試，因為我需要將模型遷移到Tensorflow LITE。 我建立了一個具有3個輸入和3個輸出的模型。 如果所有輸入都具有相同數量的觀察值，則該模型將起作用。 我不明白這一點，因為這些是獨立的。

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

我想建立一個模型，其中包含多個具有不同觀察值的輸入。 那可能嗎？

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

子模型是否獨立是沒有關系的，因為如果您創建多輸入多輸出模型，則可以通過將每個模型的損失合並（加權）為執行梯度下降的單個損失來進行訓練，並且這需要在每個輸入和輸出中使用相同數量的樣本。

既然您說每個模型都是獨立的，則可以獨立訓練它們，然后創建一個新模型，將三個模型（及其訓練的權重）與多個輸入和輸出相結合。