我想使用Keras训练多输入NN和一批训练数据,但是我无法传递一组输入和输出样本来执行模型上的拟合或train_on_batch .
我的NN定义如下:
i1 = keras.layers.Input(shape=(2,))
i2 = keras.layers.Input(shape=(2,))
i3 = keras.layers.Input(shape=(2,))
i_layer = keras.layers.Dense(2, activation='sigmoid')
embedded_i1 = i_layer(i1)
embedded_i2 = i_layer(i2)
embedded_i3 = i_layer(i3)
middle_concatenation = keras.layers.concatenate([embedded_i1, embedded_i2, embedded_i3], axis=1)
out = keras.layers.Dense(1, activation='sigmoid')(middle_concatenation)
model = keras.models.Model(inputs=[i1, i2, i3], outputs=out)
model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])
例如,输入的实例(成功用于预测输出)如下:
[array([[0.1, 0.2]]), array([[0.3, 0.5]]), array([[0.1, 0.3]])]
但是当我尝试训练我的模型时:
inputs = [[np.array([[0.1, 0.2]]), np.array([[0.3, 0.5]]), np.array([[0.1, 0.3]])],
[np.array([[0.2, 0.1]]), np.array([[0.5, 0.3]]), np.array([[0.3, 0.1]])]
]
outputs = np.ones(len(inputs))
model.fit(inputs, outputs)
我收到此错误:
ValueError: Error when checking model input: you are passing a list as input to your model, but the model expects a list of 3 Numpy arrays instead. The list you passed was: [[array([[ 0.1, 0.2]]), array([[ 0.3, 0.5]]), array([[ 0.1, 0.3]])], [array([[ 0.2, 0.1]]), array([[ 0.5, 0.3]]), array([[ 0.3, 0.1]])]]
我究竟做错了什么?
如何使用一批输入/输出样本训练多输入NN?
谢谢!
2 回答
问题只是格式错误 . 你不能将列表传递给keras,只能传递numpy数组,所以当你的数据结构如下时
您需要一次将一个列表元素传递到模型中 . 您还需要一次将一个输出值传递给模型 . 要做到这一点,请像这样构建你
outputs
然后你可以像这样循环fit函数
您也可以用
model.train_on_batch()
代替model.fit
,参见docs但是为了避免循环,你可以在
inputs
列表中存储3个numpy数组,并将单个outputs
作为numpy数组 . 如果您只想一次训练一个批次,则可以设置批量大小来执行此操作 .问题是,现在你使用列表列表作为输入,尽管keras需要一个数组列表 .
您需要转换列表,使其看起来像
[array_inputs_1, array_inputs_2, array_inputs_3]
,其中每个输入数组是您传递模型的输入数组(如果它只有输入层),您只需将其中的3个放入列表中 .使用您的数据正确的输入应该是:
这样,只要所有3个输入数组具有相同数量的元素,keras就会知道如何将tham分成批次 .