Python 从多输出回归问题的数据帧使用Keras流

我使用了一个简单的Keras模型，其中有两个密集层作为输出：

orientation=density（3，activation=“linear”，name='orientation'）（基本输出）
位置=密集（3，activation=“linear”，name='position'）（基本输出）

模型=模型（输入=模型。输入，输出=[位置，方向]）

My Pandas数据框包含图像路径、位置和方向数据（3个元素数组）：

0/pth/to/img[0.001509,0.707734,0.020575][-0.535463,0.196570，-1.011444]

我正在使用火车发电机和发电机包装：

train_datagen = ImageDataGenerator(rescale = 1./255, horizontal_flip = False,
                               fill_mode = "nearest", zoom_range = 0,
                               width_shift_range = 0, height_shift_range=0,
                               rotation_range=0) 

train_generator = train_datagen.flow_from_dataframe(train_dataframe, directory=None, x_col='paths', y_col=['position', 'orientation'], weight_col=None, target_size=(224, 224), color_mode='rgb', classes=None, class_mode='raw', batch_size=32, shuffle=True, seed=None, save_to_dir=None, save_prefix='', save_format='png', subset=None, interpolation='nearest', validate_filenames=True)

def generator_wrapper(generator):
    for batch_x,batch_y in generator:
        yield (batch_x,[batch_y[:,i] for i in range(2)])

但在尝试使用fit_generator拟合模型时出现此错误： ValueError:检查目标时出错：预期位置具有形状（3），但获得具有形状（1）的数组

有没有一种方法可以使用这个流为密集层提供阵列？提前谢谢

train_datagen = ImageDataGenerator(rescale = 1./255, horizontal_flip = False,
                               fill_mode = "nearest", zoom_range = 0,
                               width_shift_range = 0, height_shift_range=0,
                               rotation_range=0) 

train_generator = train_datagen.flow_from_dataframe(train_dataframe, directory=None, x_col='paths', y_col=['position', 'orientation'], weight_col=None, target_size=(224, 224), color_mode='rgb', classes=None, class_mode='raw', batch_size=32, shuffle=True, seed=None, save_to_dir=None, save_prefix='', save_format='png', subset=None, interpolation='nearest', validate_filenames=True)

def generator_wrapper(generator):
    for batch_x,batch_y in generator:
        yield (batch_x,[batch_y[:,i] for i in range(2)])