Keras：使用来自目录的flow\u为fit\u生成器提供多个输入和多个输出

多任务学习模型接受三个输入。我正在使用keras数据生成器。是否可以将三个数据生成器传递给model.fit\u生成器功能

问题定义 我正在处理一个分类问题。我使用的数据集是由kaggle主办的“数字画家”竞赛。任务是确定画家、风格和类型

我开发了单独的模型来执行每个任务。现在，我想结合多任务学习，看看它是否优于单个模型

类的型号（Softmax）
------                     ------------------------                                   
模型8
给画
模型预测风格10
给画
模型预测类型23
给画

上表详细说明了各个模型以及每个模型的输出类数量

现在，我想做多任务学习，所以我提出了以下简单的架构

style=Input（shape=（64,64,3））
类型=输入（形状=（64,64,3））
画师=输入（形状=（64,64,3））
共享_conv=卷积2d(
过滤器=5，#5个特征映射
内核大小=（5,5），
步幅=1）
共享转换层=共享转换（样式）
共享会话层=共享会话（类型）
共享转换层=共享转换（画师）
合并层=keras.layers.concatenate（[共享层A，共享层B，共享层C]，轴=-1）
pooling=maxPoolig2D(
池大小=（2,2），
步幅=2
)（合并层）
密集=展平（）（池）
out_样式=密集(
没有课，没有风格，
kernel\u初始值设定项=glorot\u normal（seed=seed\u val），
偏差\初始值设定项='零'，
核正则化子=l2（l=0.0001），
激活='softmax'，
)（稠密）
out\u流派=密集(
没有课程类型，
kernel\u初始值设定项=glorot\u normal（seed=seed\u val），
偏差\初始值设定项='零'，
核正则化子=l2（l=0.0001），
激活='softmax'，
)（稠密）
out\u painter=稠密(
没有课，没有画家，
kernel\u初始值设定项=glorot\u normal（seed=seed\u val），
偏差\初始值设定项='零'，
核正则化子=l2（l=0.0001），
激活='softmax'，
)（稠密）
多任务模型=模型（输入=[风格，流派，画家]，输出=[风格，流派，画家]）
多任务分配模型。摘要（）
多任务模型编译(
损失='categorical_crossentropy'，
优化器=Adam（lr=0.0001，β1=0.9，β2=0.999，ε=0.00000001），
指标=['准确度']
)

现在我想通过三个keras图像数据生成器。所以，我想出了一个定制的数据生成器

def创建数据生成器（样式生成器、流派生成器、画师生成器）：
#输入
_样式生成器=样式生成器[0]
_类型生成器=类型生成器[0]
_油漆工\u生成器=油漆工\u生成器[0]
#标签
_l样式生成器=样式生成器[1]
_lgenre_生成器=类型生成器[1]
_lpainter_生成器=油漆工_生成器[1]
返回[\u样式\u生成器、\u流派\u生成器、\u画师\u生成器]、\u样式\u生成器、\u流派\u生成器、\u画师\u生成器]
train\u mulitle\u data\u generator=创建数据\u generator（trainStyleDataGenerator、TrainGenRedDataGenerator、trainPainterDataGenerator）
valid_mulitle_data_generator=创建_data_generator（validationStyleDataGenerator、ValidationGenRedDataGenerator、validationPainterDataGenerator）
历史记录=多任务\u model.fit\u生成器(
发电机=多列数据发电机，
每历元步数=len（列数数据发生器），
纪元=无纪元，
验证数据=有效的多数据生成器，
)

我遇到的错误

“tuple”对象没有属性“ndim”

是否有其他方法可以传递多个输入和多个输出。任何建议或提示都会非常有帮助

---

目前，

创建数据\u生成器

未定义生成器。试试这个：

def create_data_generator(style_generator,genre_generator,painter_generator):

    while(True):
        _style_generator, _lstyle_generator = next(style_generator)
        _genre_generator, _lgenre_generator = next(genre_generator)
        _painter_generator, _lpainter_generator = next(painter_generator)

        yield [_style_generator,_genre_generator,_painter_generator], [_lstyle_generator,_genre_generator,_painter_generator]