Python 3.x AssertionError:无法计算输出张量（“output1/LeakyRelu:0”，shape=（无，1），dtype=float32）

您好，我尝试基于keras中的fit_generator（）函数建立一些模型。 我的模型分为多变量模型，它有多个输出。 有一次我使用了这个函数，得到了如下所示的错误

-->306 hist=model.fit_生成器（数据生成器（[X_tr_列表[i]用于范围内的i（len（X_tr_列表））），[Y_tr[i]用于范围内的i（Y_tr.shape[0]），32），epoch=1000，verbose=1，回调=[checkpoint，es，best]，验证数据=（数据生成器（[X_te_列表[X]用于范围内的X（len（len（X_te_列表）），[Y_te[i]用于范围内的i（Y_te.shape]），32]），32） 307图=plt.图（） 308

12帧 /包装器中的usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/func_graph.py（*args，**kwargs） 971例外情况为e:#pylint:disable=broad except 972如果hasattr（e，“AGU错误元数据”）： -->973将e.ag\u错误\u元数据引发到\u异常（e） 974其他： 975提高

断言错误：在用户代码中：

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:806 train_function  *
    return step_function(self, iterator)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:796 step_function  **
    outputs = model.distribute_strategy.run(run_step, args=(data,))
/usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:1211 run
    return self._extended.call_for_each_replica(fn, args=args, kwargs=kwargs)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:2585 call_for_each_replica
    return self._call_for_each_replica(fn, args, kwargs)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/distribute/distribute_lib.py:2945 _call_for_each_replica
    return fn(*args, **kwargs)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:789 run_step  **
    outputs = model.train_step(data)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/training.py:747 train_step
    y_pred = self(x, training=True)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/base_layer.py:985 __call__
    outputs = call_fn(inputs, *args, **kwargs)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/functional.py:386 call
    inputs, training=training, mask=mask)
/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/functional.py:517 _run_internal_graph
    assert x_id in tensor_dict, 'Could not compute output ' + str(x)

AssertionError: Could not compute output Tensor("output1/LeakyRelu:0", shape=(None, 1), dtype=float32)

有关更多信息，输入数据的形状写在下面

X_tr（1440043914,4） 克苏特（1440018821,4） 尤特（718821） Y_tr（743914）

有了这些，当我运行模型时，我得到了这个错误，我的模型中使用的代码如下所示

#Generator
def datagenerator(data_input_1, data_input_2, batchsize, mode="train"):
    while True:
        start = 0
        end = batchsize
        data_input_1 = np.array(data_input_1)
        data_input_2 = np.array(data_input_2)
        while start  < len(data_input_1[1]):
            # load your images from numpy arrays or read from directory
            x = data_input_1[:,start:end,:]
            y = data_input_2[:,start:end]
            yield x, y
            print(np.shape(x), printshape(y))
            start += batchsize
            end += batchsize
            print("x",np.shape(x))
            print("y",np.shape(y))
    return x, y


 hist = model.fit_generator(datagenerator([X_tr_list[i] for i in range(len(X_tr_list))], [Y_tr[i] for i in range(Y_tr.shape[0])], 32), epochs=1000, verbose=1, callbacks=[checkpoint, es, best], validation_data=(datagenerator([X_te_list[x] for x in range(len(X_te_list))], [Y_te[i] for i in range(Y_te.shape[0])], 32)))

#生成器
def数据发生器（数据输入1、数据输入2、批次大小、模式=“列车”）：
尽管如此：
开始=0
结束=批量大小
数据输入1=np.数组（数据输入1）
data\u input\u 2=np.数组（data\u input\u 2）
启动时

你能帮我吗？ 谢谢