Python 使用Keras函数API为Tensorflow LITE构建模型

我使用Keras函数API进行测试，因为我需要将模型迁移到Tensorflow LITE。 我建立了一个有3个输入和3个输出的模型。 如果所有输入具有相同数量的观测值，则该模型有效。我不明白这一点，因为他们是独立的

ValueError: All input arrays (x) should have the same number of samples. Got array shapes: [(10, 5), (20, 5), (30, 5)

我想建立一个模型，有几个不同数量的观测数据输入。可能吗

import numpy as np
from keras.layers import Input, Dense
from keras.models import Model
capas = 3

data = [ np.random.random(size=(50,5)) for i in range(3)]
labels = [ np.random.random(size=(50,2)) for i in range(3)]
visible=[]
preds=[]
for i in range( capas):
    visible.append(Input(shape=(5,)))
    x=Dense(5, activation='relu')(visible[i])
    x=Dense(10, activation='relu')(x)
    preds.append( Dense(2)(x))

model = Model(inputs=visible,output=preds)


model.compile(optimizer='adam',
              loss='mean_squared_error',
              metrics=['accuracy'])
model.fit(data, labels,epochs=50)

---

子模型是否相互独立并不重要，因为如果创建多输入多输出模型，则通过将每个模型的损失组合（加权）为单个损失进行训练，从中执行梯度下降，这需要每个输入和输出中相同数量的样本

---

既然你说每个模型都是独立的，那么你可以对它们进行独立训练，然后制作一个新模型，将三个模型（以及它们训练的权重）与多个输入和输出相结合。

谢谢Matias，我在中添加了一个更具体的问题