Python 数据基数是不明确的。有没有办法使输入和输出中的批量大小不同?凯拉斯
我有一个模型,我想有不同的输入和输出批量大小这样的支持。批量大小的变化是由瓷砖层引起的,这在我正在处理的模型中是必需的。 模型示例如下所示Python 数据基数是不明确的。有没有办法使输入和输出中的批量大小不同?凯拉斯,python,tensorflow,keras,deep-learning,Python,Tensorflow,Keras,Deep Learning,我有一个模型,我想有不同的输入和输出批量大小这样的支持。批量大小的变化是由瓷砖层引起的,这在我正在处理的模型中是必需的。 模型示例如下所示 cnn_input = keras.Input(shape=(20,128,128,1), name="img") ann_convert=keras.Input(shape=(1),dtype='int32') x=layers.Conv3D(32, kernel_size=(3, 3, 3), activation='relu', k
cnn_input = keras.Input(shape=(20,128,128,1), name="img")
ann_convert=keras.Input(shape=(1),dtype='int32')
x=layers.Conv3D(32, kernel_size=(3, 3, 3), activation='relu', kernel_initializer='he_uniform')(cnn_input)
x=layers.MaxPooling3D(pool_size=(2, 2, 2))(x)
x=layers.Dropout(0.5)(x)
x=layers.Conv3D(32, kernel_size=(3, 3, 3), activation='relu', kernel_initializer='he_uniform')(x)
x=layers.MaxPooling3D(pool_size=(2, 2, 2))(x)
x=layers.Flatten()(x)
x=layers.Dense(500, activation='relu')(x)
output=layers.Dense(10, activation='relu')(x)
cnn = keras.Model(cnn_input, output, name="cnn")
y = Lambda(keras.backend.tile, arguments={'n':( 72, 1)})(cnn.output)
input1= y
dense = layers.Dense(100, activation="relu")
x1 = dense(input1)
x1 = layers.Dense(100, activation="relu")(x1)
x1 = layers.Dense(100, activation="relu")(x1)
output2 = layers.Dense(1,activation='linear')(x1)
#ann=keras.Model(input1, output2, name="ann")
model = keras.Model(inputs=cnn_input,outputs= output2,name="total")
ValueError:数据基数不明确:
x尺寸:176
y尺寸:12672
请提供共享相同第一维度的数据
添加独立代码以及完整的错误回溯,以更好地调试问题。