Python 多输入Keras序列模型，Tensorflow 1.9.0

我试着创建一个神经网络，有两个特定大小的输入，每个有四个，还有一个相同大小的输出，所以也有四个。不幸的是，我在运行代码时总是会遇到以下错误：

ValueError: Error when checking model input: 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([[[-1.07920336,  1.16782929,  1.40131554, -0.30052492],
         [-0.50067655,  0.54517916, -0.87033621, -0.22922157]],

        [[-0.53766128, -0.03527806, -0.14637072,  2.32319071],
         [ 0...

我认为，问题在于，一旦我通过数据进行训练，输入形状要么不正确，要么我有数据类型问题。因此，数组周围有一个额外的列表括号

由于项目限制，我正在使用Tensorflow 1.9.0。我已经检查了搜索功能并尝试了提供的解决方案。下面是重现我的错误的示例代码：

import numpy as np
import tensorflow as tf
from tensorflow import keras
import keras.backend as K
from tensorflow.keras import layers, models

def main():

    ip1 = keras.layers.Input(shape=(4,))
    ip2 = keras.layers.Input(shape=(4,))
    dense = layers.Dense(3, activation='sigmoid', input_dim=4)  # Passing the value in a weighted manner
    merge_layer = layers.Concatenate()([ip1, ip2])  # Concatenating the outputs of the first network
    y = layers.Dense(6, activation='sigmoid')(merge_layer)  # Three fully connected layers
    y = layers.Dense(4, activation='sigmoid')(y)
    model = keras.Model(inputs=[ip1, ip2], outputs=y)

    model.compile(optimizer='adam',
                  loss='mean_squared_error')
    model.summary()

    # dataset shape: 800 samples, 2 inputs for sequential model, 4 input size
    X_train = np.random.randn(800, 2, 4)
    y_train = np.random.randn(800, 4)
    X_test = np.random.randn(200, 2, 4)
    y_test = np.random.randn(200, 4)

    history = model.fit(X_train, y_train, validation_data=(X_test, y_test), epochs=1000, batch_size=32)


 if __name__ == '__main__':
     main()

---

当有多个输入时，keras期望多个数组的列表。列表的大小对应于模型的输入数量

所以基本上你需要传递一个由2个数组组成的列表，每个数组的形状是X，4

X_train1 = np.random.randn(800, 4)
X_train2=np.random.randn(800,4)
y_train = np.random.randn(800, 4)
X_test1 = np.random.randn(200, 4)
X_test2 = np.random.randn(200, 4)
y_test = np.random.randn(200, 4)

history = model.fit([X_train1,X_train2], y_train, validation_data=([X_test1,X_test2], y_test), epochs=1000, batch_size=32)

---

传递[200,4200,4]的列表，而不是200,2,4的单个数组，以获得快速答案。当将[X_-train[：，0]，X_-train[：，1]]传递到fit函数时，我得到了相同的错误。同样，当我创建两个800形状的新变量时，每个变量4，并将它们传递到一个列表中。不幸的是，这没有帮助。你是否也为验证集更改了相同的设置？非常感谢！这确实解决了问题。我真蠢，没想到这一点！