Python AssertionError试图连接两个模型并适合Keras

我正在尝试开发一个图像字幕模型。我指的是这个。我有三种方法，它们执行以下操作：

生成图像模型

生成标题模型

将图像和标题模型连接在一起

由于代码很长，我创建了一个

这是一本书

但当我运行代码时，我得到了以下错误：

TraceTraceback (most recent call last):
  File "trainer.py", line 99, in <module>
    model.fit([images, encoded_captions], one_hot_captions, batch_size = 1, epochs = 5)
  File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py", line 950, in fit
    batch_size=batch_size)
  File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py", line 671, in _standardize_user_data
    self._set_inputs(x)
  File "/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py", line 575, in _set_inputs
    assert len(inputs) == 1
AssertionError

TraceTraceback（最近一次呼叫最后一次）：
文件“trainer.py”，第99行，在
model.fit（[图像，编码字幕]，一个热门字幕，批量大小=1，时代=5）
文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py”，第950行，适合
批次大小=批次大小）
文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site packages/keras/engine/training.py”，第671行，在用户数据中
自设置输入（x）
文件“/Library/Frameworks/Python.framework/Versions/3.6/lib/python3.6/site-packages/keras/engine/training.py”，第575行，输入
断言len（输入）==1
断言错误

由于错误来自Keras库，我不知道如何调试它。但当我试图将它们连接在一起时，出现了一些问题

---

我想知道这里是否缺少一些内容

您需要使用

输出

属性获取模型的输出，然后使用能够连接它们（通过层或其等效功能接口）并创建最终模型：

from keras.models import Model

image_model = get_image_model()
language_model = get_language_model(vocab_size)

merged = concatenate([image_model.output, language_model.output])
x = LSTM(256, return_sequences = False)(merged)
x = Dense(vocab_size)(x)
out = Activation('softmax')(x)

model = Model([image_model.input, language_model.input], out)
model.compile(loss='categorical_crossentropy', optimizer='rmsprop')
model.fit([images, encoded_captions], one_hot_captions, ...)

正如现在代码中所示，您还可以为模型创建逻辑定义一个函数：

def get_concatenated_model(image_model, language_model, vocab_size):
    merged = concatenate([image_model.output, language_model.output])
    x = LSTM(256, return_sequences = False)(merged)
    x = Dense(vocab_size)(x)
    out = Activation('softmax')(x)

    model = Model([image_model.input, language_model.input], out)
    return model

---

这有助于解决问题。非常感谢。我还有一个问题。我的输出必须是时间分布的，因为我有不止一个单词作为标题。这里，预期的输出形状是

（None，2327）

，但我需要

（None，412327）

。41是最大长度。我试图添加一个

TimeDistributed

层，但没有按预期工作。你知道怎么解决吗？@YedhuKrishnan你就快到了：不需要

TimeDistributed

层，因为。只需在LSTM层中设置

return\u sequences=True

。@今天，您可以使用顺序Keras API编写类似的函数吗？@Ghanem您不能这样做，因为顺序API可以用于顺序模型，即一层直接连接到前一层。因此，当有一个连接层时，模型就不再是连续的。@Ghanem在旧版本的Keras中（我认为<2.0），当时有一个用于各种合并操作的

Merge

层。在当前版本中，没有这样的层和每个合并操作。你不能在顺序模型中使用它们。这是我在这里找到的最后一个版本吗：“image\u captioning.py”