Python LSTM多任务学习功能api keras

我有两个序列值X_数据，B_数据。我想要两个共享的lstm层来预测X_数据和B_数据的两个输出

l1 = layers.LSTM(40)(X_data)
flat_layer = Flatten()(l1)
l2 = layers.LSTM(20)(B_data)
flat_layer2 = Flatten()(l2)


output1 = Dense(1, activation='sigmoid')(flat_layer)
output2 = Dense(1, activation='sigmoid')(flat_layer2)

model = keras.Model(inputs=[X_data,B_data], outputs=[output1,output2])

我要这个

AttributeError:Tensor.op在启用急切执行时没有意义。

---

有什么建议吗？

错误在于，

keras.Model（inputs）

不接收输入数据，而是接收输入层（正如您正确处理

输出时所做的那样）。数据通过
model.fit（）
传递。因此，首先，您需要两个
Input
层：

X_data = np.random.uniform(0,1,(3,100,40))
B_data = np.random.uniform(0,1,(3,100,20))

y1 = np.random.uniform(0,1,(3,1))
y2 = np.random.uniform(0,1,(3,1))

i1 = Input((100,40)) # you need input layers
i2 = Input((100,20))

l1 = LSTM(40)(i1)
flat_layer = Flatten()(l1)
l2 = LSTM(20)(i2)
flat_layer2 = Flatten()(l2)


output1 = Dense(1, activation='sigmoid')(flat_layer)
output2 = Dense(1, activation='sigmoid')(flat_layer2)

model = tf.keras.Model(inputs=[i1,i2], outputs=[output1,output2])
model.compile('sgd', 'mse')
model.fit(x=[X_data,B_data], y=[y1,y2]) # this is where you pass input (data) and output (labels)


我的数据帧就是这样，我转换输入数据

trainxx=np.array(trainn3)
X_data = trainxx.reshape((trainxx.shape[0], 1, trainxx.shape[1]))

y值是numpy数组

ytrainxx=np.array(ytrains)

你的输入解决方案我无法转换