首页 文章

使用一批训练数据训练多输入Keras NN

提问于
浏览 次
5

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！

keras

2 回答

  • 2

    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

    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]])]
                         ]

    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

    outputs = [np.ones(1) for x in inputs]

[array([ 1.]), array([ 1.])]

    然后你可以像这样循环fit函数

    for z in range(0,len(inputs)):
     model.fit(inputs[z],outputs[z],batch_size=1)

    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 .

    inputs = [np.array([[0.1, 0.2],[0.2, 0.1]]), np.array([[0.3, 0.5],[0.5, 0.3]]), np.array([[0.1, 0.3],[0.3, 0.1]])]

outputs = np.ones(inputs[0].shape[0])

model.fit(inputs,outputs,batch_size=1)
    回复于
  • 2

    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：

    [np.array([[0.1, 0.2], [0.2, 0.1]]), 
 np.array([[0.3, 0.5], [0.5, 0.3]]), 
 np.array([[0.1, 0.3], [0.1, 0.3]])]

    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 .

    回复于

相关问题