Python fit_生成器期望所有神经网络层的输入？

Keras的新特性，并构建了具有两个密集层的神经网络。内存中的数据太多，所以我使用fit_generator函数，但得到的错误是

ValueError:没有为“稠密_2”提供数据。在：['dense_2']

中需要每个键的数据。下面是一个小例子：

from keras.models import Sequential
from keras.layers import Dense
import numpy as np

model = Sequential([
    Dense(100, input_shape=(1924800,), activation='relu'),
    Dense(1, activation='sigmoid')
])

model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])

def generate_arrays_from_files(path, batch_size=50):
    while True:
        # Do things....
        yield ({'dense_1_input': np.asarray(outdata)}, {'output': np.asarray(outlabels)})

model.fit_generator(generate_arrays_from_files(path), steps_per_epoch=5, epochs=10)

---

编辑：忘记了编译行

您不需要在输入中指定层，而且显然不需要将数据传递到第二个密集层。请注意，最好使用Keras生成器，您可以创建自定义生成器，如或

您还需要编译您的模型

从keras.models导入
从keras.layers导入稠密
将numpy作为np导入
模型=顺序([
密集（100，输入_形状=（1924800，），激活='relu'），
密集型（1，激活=乙状结肠）
])
优化器=keras.optimizers.Adam（lr=1e-3）
model.compile（loss='binary\u crossentropy'，
优化器=优化器，
指标=[‘准确度’]）
def从_文件生成_数组（路径，批量大小=50）：
尽管如此：
#做事。。。。
产量np.asarray（outdata），np.asarray（EXLABELS）
model.fit_生成器（从_文件（路径）生成_数组，每个_epoch的步数=5，epoch=10）

---

顺便问一下，将

（1924800，）

的向量输入模型是正常的吗？

我有一个编译行，只是在复制粘贴中遗漏了它。对于我正在处理的数据，每个数据点实际上都是

（1924800，）

。删除字典标签似乎已经解决了这个问题——我正在处理[link]（keras.io）上发布的示例。谢谢