Python 使用BatchDataset和numpy数组类型的混合输入拟合keras模型

我制作了一个接收两个输入的模型。当我用两个numpy阵列来匹配模型时，它就工作了。下面是一个例子：

model.fit(x=[image_input, other_features], y = y, epochs=epochs)

但是，我的问题是

其他\u功能

是一个numpy数组，

图像\u输入

使用

tf.keras.preprocessing.image\u dataset\u从\u目录

加载kera。我面临的问题是：

如何从

图像\u输入中正确给出y？当我只使用一个输入对模型进行训练时，
image\u输入
，
y
被打包在模型中，因此我不必在其他参数中指定它

如何使用

numpy.array

放置

BatchDataset

？无论如何，当我这样做时，我收到了错误：

ValueError:找不到可以处理输入的数据适配器：（包含类型为{“”“”}的值），

好的，我能解决它。我将写详细的解决方案，因为我看到类似的问题张贴了很多次没有答案。这是混合输入，解决方案是依赖自定义生成器

第一步是制作自定义生成器。您必须返回输入+输出的列表/目录。以下是我的生成器的示例代码：

def generator(subset, batch_size=256):
    i = 0
    DIR = f"data/{subset}"
    image_files = pd.read_csv(f"{DIR}.csv")
    while True:
        batch_x = [list(), list()] # I have two input: image + feature vector
        batch_y = list() # output
        for b in range(batch_size):
            if i == len(image_files):
                i = 0
            filename = image_files.loc[i, "filename"]
            label = image_files.loc[i, "Class"]
            image_file_path = f'{DIR}/{label}/{filename}'
            i += 1
            image = cv2.imread(image_file_path, 0)
            batch_x[0].append(image)
            feat = get_feature_vector(filename)
            batch_x[1].append(feat)
            batch_y.append(one_hot(label))

        batch_x[0] = np.array(batch_x[0])  # convert each list to array
        batch_x[1] = np.array(batch_x[1])
        batch_y = np.array(batch_y)
        yield batch_x, batch_y

然后，利用泛函张量流建立模型。拟合数据后，使用所需的参数调用生成器：

history = model.fit(generator('train'),
                             validation_data = generator('validate'))

history = model.fit(generator('train'),
                             validation_data = generator('validate'))