Python 当有多个输出时，如何修复ValueError（x和y应具有相同的长度）？

我正在建立一个模型，它有一个图像输入（130130,1）和三个输出，每个输出包含一个（10,1）向量，其中softmax单独应用

（灵感来源于J.古德费罗、雅罗斯拉夫·布拉托夫、朱利安·伊巴尔兹、萨夏·阿诺德和 Vinay D.Shet.使用深度卷积神经网络从街景图像中识别多个数字。CoRR，abs/1312.60822013。URL 遗憾的是，他们没有公布自己的网络）

但是我得到：值错误：

x

（图像张量）和

y

（标签）应该具有相同的长度。发现：x.shape=（1000130130,1），y.shape=（31000,10）

但如果我将其更改为：

 [same as before]
 train_generator = train_datagen.flow(x_train,
              y_train, 
              batch_size=batch_size)

然后我得到：ValueError：检查模型目标时出错：传递给模型的Numpy数组列表的大小不是模型预期的大小。预计将看到3个阵列

• 尺寸（x_系列）=（1000、130、130、1）
  • 其中，每个图像是（130、130、1），有1000个图像
• 尺寸（y_系列）=（1000,3,10）

书中说应该是这样的,

model = Model(inputs=[main_input, auxiliary_input], outputs= 
[main_output, auxiliary_output])

---

但是，我不知道如何才能使输出和输入具有相同的长度？

多亏了@Djib2011。当我在文档中查找示例以便在字典中传递时，我注意到所有示例都使用

model.fit（）

，而不是

model.fit\u generator（）

所以我做了研究，发现对于单输入多输出的ImageDataGenerator，仍然有一个（自2016年开始开放！）。 悲惨的故事

---

因此，解决方案是使用

model.fit（）

而不是

model.fit\u generator（）

感谢@Djib2011。当我在文档中查找示例以便在字典中传递时，我注意到所有示例都使用

model.fit（）

，而不是

model.fit\u generator（）

所以我做了研究，发现对于单输入多输出的ImageDataGenerator，仍然有一个（自2016年开始开放！）。 悲惨的故事

---

因此，解决方案是使用

model.fit（）

而不是

model.fit\u generator（）

我以前使用过多输入多输出模型，第一种方法肯定是可行的。确保3个

y

数组（

y列[：，0，：]

，…）的形状均为

（1000，10）

。另外，按照您编写的方式，

train\u generator

有一个超出必要范围的

[

括号（这通常会导致语法错误，因此我猜您的实际代码中没有语法错误。感谢@Djib2011，对括号的敏锐观察，您是对的；）然而，正如我所说，第一种方法给了我一个错误，因为组合输出

[y1，y2，y3]

的长度与输入的长度不同，因为

[y1，y2，y3]

具有形状

（31000,10）

，即使我注意到每个y都具有形状

（1000,10）

[y1，y2，y3]

应该是一个包含3个数组的列表，我不知道为什么它会将其视为组合输入。如果我是你，我会尝试命名输出（例如

output1=keras.layers.Dense（10，activation=“softmax”，name='out1'）

），然后尝试在字典中传递标签数组：

{out1'：y1，'out2'，'out3'：y3}

。也许这会有帮助……您可能还需要更改

模型。compile（）

，以便它使用字典而不是列表，但我不确定。我以前使用过多输入和多输出模型，第一种方法肯定是可行的。确保3

y

数组（

y\u train[：，0，：]

，…）都有一个

（1000，10）

的形状。另外，您编写

列车生成器的方式比需要的多了一个
[
括号（这通常会引起语法错误，所以我猜您的实际代码中没有语法错误。谢谢@Djib2011，对括号的敏锐观察，您是对的；）然而，正如我所说，第一种方法给了我一个错误，因为组合输出
[y1，y2，y3]
的长度与输入的长度不同，因为
[y1，y2，y3]
具有形状
（31000,10）
，即使我注意到每个y都具有形状
（1000,10）
[y1，y2，y3]
应该是一个包含3个数组的列表，我不知道为什么它会将其视为组合输入。如果我是你，我会尝试命名输出（例如
output1=keras.layers.Dense（10，activation=“softmax”，name='out1'）
），然后尝试在字典中传递标签数组：
{out1'：y1，'out2'，'out3'：y3}
。也许这会有帮助……您可能还需要更改
model.compile（）
，以便使用字典而不是列表，但我不确定。
model = Model(inputs=[main_input, auxiliary_input], outputs= 
[main_output, auxiliary_output])