Python Keras中的多任务学习

我有两个不同的数据集，我想尝试多任务学习。我的问题是，我能找到的所有示例都有两个不同的培训输入，但标签是相同的。我的问题是：我可以有不同的标签吗？这是我现在的代码：

input1 = Sequential()
input1.add(Embedding(vocabulary_size, embedding_size, 
input_length=longest_sen_input1))
input1.add(Bidirectional(LSTM(units=embedding_size)))
input1.add(Dense(len(document), activation='softmax'))

input2 = Sequential()
input2.add(Embedding(vocabulary_size, embedding_size, 
input_length=longest_sen_input2))
input2.add(Bidirectional(LSTM(units=embedding_size)))
input2.add(Dense(len(document), activation='softmax'))

model = Sequential()
model.add(Merge([input1, input2], mode='sum'))
model.add(Dense(len(document), activation='softmax'))
model.compile(loss='categorical_crossentropy',optimizer='adam')

model.fit([X_train_input1, X_train_input2], [Y_train_input1, Y_train_input2], epochs=100)

我尝试插入[Y\u train\u input1，Y\u train\u input2]，但出现以下错误：

Error when checking model target: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 2 arrays: [array([[0., 0., 0., ..., 0., 0., 0.],
   [0., 0., 0., ..., 0., 0., 0.],
   [0., 0., 0., ..., 0., 0., 0.],
   ...,
   [0., 0., 0., ..., 1., 0., 0.],
   [0., 0., 0., ..., 0., 0., 0....

ValueError: Error when checking model : the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 2 array(s), but instead got the following list of 1 arrays: [array([[  0,   0,   0, ...,  13,   8, 134],
   [  0,   0,   0, ...,  33,  87,  19],
   [  0,   0,   0, ...,  27,   1,   4],
   ...,
   [  0,   0,   0, ...,   1,  10,   8],
   [  0...

有人知道如何在两个输入（X_train_input1/Y_train_input1和X_train_input2/Y_train_input2）返回公共预测的情况下执行多任务学习吗

编辑 我的模型现在似乎可以工作了，我只是改变了

model.fit([X_train_input1, X_train_input2], [Y_train_input1, Y_train_input2], epochs=100)

在

但是我试着像这样测试模型

multitask_model.predict_classes(X_test)

我有一个错误：

Error when checking model target: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 1 array(s), but instead got the following list of 2 arrays: [array([[0., 0., 0., ..., 0., 0., 0.],
   [0., 0., 0., ..., 0., 0., 0.],
   [0., 0., 0., ..., 0., 0., 0.],
   ...,
   [0., 0., 0., ..., 1., 0., 0.],
   [0., 0., 0., ..., 0., 0., 0....

ValueError: Error when checking model : the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 2 array(s), but instead got the following list of 1 arrays: [array([[  0,   0,   0, ...,  13,   8, 134],
   [  0,   0,   0, ...,  33,  87,  19],
   [  0,   0,   0, ...,  27,   1,   4],
   ...,
   [  0,   0,   0, ...,   1,  10,   8],
   [  0...

---

我遗漏了什么？

您的模型只有一个输出，而您正在传递两个：

Y\u train\u input1

，

Y\u train\u input2

如果您的目标不是合并两个模型，那么您应该将它们分开。当合并/求和输出时，最终只有一个输出

您是否真的打算拥有两个不同的独立模型，而不在它们之间进行任何交互

• 您有一个公共输出和一个公共的

  Y\u序列

  ，或者
• 您有两个独立的输出和两个不同的目标

  ---

我用这个

y\u pred=model.predict（[X\u test，X\u test]）.argmax（axis=1）解决了同样的问题。

---

你必须传递两个数组而不是一个

你可以使用keras functional API（）。Hello@Maria，因为你创建了一个需要两个输入的模型，所以它总是需要两个输入（X1和X2）。我不确定你的意图，如果你真的想要两个不同的并行模型来预测一个结果，或者你只是想通过两次使用来加速一个模型。无论如何，您的培训和预测应该遵循相同数量的输入和输出。（除非你构建了更多的模型，包括这些模型的一部分）我认为你应该创建一个详细的问题，明确说明你对每个模型的期望，如果它们相同或不同，为什么你试图预测与培训不同，等等。感谢你的帮助！我会的！哦，我想我明白你的意思了！我想要的是合并层以便有一个单一的输出，但我当前的问题是，我有两个输入数据的不同标签。所以，如果我只想要一个输出，我想我必须修改我的标签，以使Y_train_input1和Y_train_input2相同，对吗？我刚刚遇到另一个问题，我在问题中编辑了它。你知道我如何解决它吗？如果我们有一个共同的输出和一个共同的Y_序列，那么我们将面临另一个问题，那就是训练数据的不同样本，这意味着两个数据集的长度不同，即使它们有相似的类，但类的长度仍然不同。现在这是我的问题：所有输入数组（x）应具有相同数量的样本。获得数组形状：[（24424,15,12），（16325,15,12）]