Python Keras功能api多输入：传递给模型的输入列表是冗余的

我有一个巨大的networt（），可以很好地进行分类。因为我的数据有两个不同的列，所以我想为每个列微调一个伯特模型，并在最后一层连接它们。但我得到了以下错误：

--->20模型=keras.models.model（输入=[inputs1，inputs2]，输出=输出）

/usr/local/lib/python3.6/dist-packages/tensorflow/python/keras/engine/network.py in_validate_graph_input_和_output（self）

1620“验证图形网络的输入和输出。”“”

1621#检查输入是否冗余

->1622如果len（设置（自输入））！=len（自输入）：

1623 raise VALUERROR（'传递到模型的输入列表'

1624“是多余的。”

TypeError:不可损坏的类型：“列表”

在我的代码中，我有两个bert模型，

model1

和

model2

。只有一个模型运行良好。我添加的只是从检查点和第二个输入层加载了两个模型，而不是一个，并且连接了dense1和dense2：

#load_trained_model_from_checkpoint is defined here:
# https://github.com/CyberZHG/keras-bert/blob/master/keras_bert/loader.py
model1 = load_trained_model_from_checkpoint(
    config_path,
    checkpoint_path,
    training=True,
    trainable=True,
    seq_len=SEQ_LEN,
    )
model2 = load_trained_model_from_checkpoint(
    config_path,
    checkpoint_path,
    training=True,
    trainable=True,
    seq_len=SEQ_LEN,
)

inputs1 = model1.inputs[:2] #model 1 for titles
inputs2 = model2.inputs[:2] #model 2 for texts
dense1 = model1.get_layer('NSP-Dense').output
dense2 = model2.get_layer('NSP-Dense').output
outputs = keras.layers.Dense(len(test_title_y[0]), activation='sigmoid')(keras.layers.concatenate([dense1, dense2]))


model = keras.models.Model(inputs=[inputs1, inputs2], outputs=outputs)

我在监督什么？我是否必须以某种方式包装输入

编辑： 我怀疑问题与我的输入是列表列表有关：inputs1和inputs2如下所示：

[<tf.Tensor 'Input-Token:0' shape=(?, 256) dtype=float32>, <tf.Tensor 'Input-Segment:0' shape=(?, 256) dtype=float32>]
[<tf.Tensor 'Input-Token_1:0' shape=(?, 256) dtype=float32>, <tf.Tensor 'Input-Segment_1:0' shape=(?, 256) dtype=float32>]

[，]
[, ]

我能否以某种方式重新塑造或连接输入以克服此错误

编辑：

模型1的摘要如下所示，模型2看起来相同，但每个层名称都有层2：

层（类型）输出形状参数#连接到

---

输入令牌（InputLayer）（无，256）0

---

输入段（InputLayer）（无，256）0

---

嵌入令牌（令牌嵌入[（无，256，768），（23440896输入令牌[0][0]

---

嵌入段（嵌入）（无，256，768）1536输入段[0][0]

---

…（中间有很多层）

---

NSP致密（致密）（无，768）590592提取物[0][0]

---

该错误意味着函数试图在某个地方使用列表作为散列参数，即使用列表作为字典中的键

模型（输入=[input1，input2]）不能接受列表

试用

np.reshape

---

首先在input1和input2上。此外，将列表转换为元组。

看起来有一个内部检查，用于查找模型的长度相等的输入。在这种情况下，两个输入都是

[batchSize，256]

。您可以做的一件事是尝试将两个输入打包为一个具有三维的输入（即

[batchSize，inputs，256]

）。您需要在模型中处理一些切片，以确保向层传递正确的输入

以下是一个例子：

#load_trained_model_from_checkpoint is defined here:
# https://github.com/CyberZHG/keras-bert/blob/master/keras_bert/loader.py

model1 = load_trained_model_from_checkpoint(
    config_path,
    checkpoint_path,
    training=True,
    trainable=True,
    seq_len=SEQ_LEN,
    )
model2 = load_trained_model_from_checkpoint(
    config_path,
    checkpoint_path,
    training=True,
    trainable=True,
    seq_len=SEQ_LEN,
)

inputs1 = model1.inputs[:2] #model 1 for titles
inputs2 = model2.inputs[:2] #model 2 for texts
# concatenate the inputs into one tensor
concatInputs = keras.backend.concatenate([inputs1, inputs2],axis=0)

dense1 = model1.get_layer('NSP-Dense').output
dense2 = model2.get_layer('NSP-Dense').output

def getModel():
    inputs=keras.layers.Input([2,256])
    # slice inputs into individual tensors
    in1 = keras.layers.Lambda(lambda x: tf.slice(inputs,[0,0],[1,inputs.get_shape()[1]])
    in2 = keras.layers.Lambda(lambda x: tf.slice(inputs,[1,0],[2,inputs.get_shape()[1]])
    d1 = dense1(in1)
    d2 = dense2(in2)
    outputs = keras.layers.Dense(len(test_title_y[0]), activation='sigmoid')(keras.layers.concatenate([d1, d2]))

    return inputs,outputs

ins,outs = getModel()

model = keras.models.Model(inputs=[ins], outputs=[outs])

---

我没有机会进行测试，因此语法可能不准确，但想法应该可行。

这听起来可能有点“复制+粘贴”，但当您注意到输入是列表列表时，我认为您解决了自己的问题

不要使用

[inputs1，inputs2]

，而是使用

inputs1+inputs2

---

测试它们是否是带有

isinstance（输入1，列表）的列表

是从同一原始模型创建的

model1

和

model2

吗？它们是否使用相同的

原始模型。输入

？我相应地编辑了我的文章，这两个模型都是从配置构建的，并从检查点加载了预训练权重。你能显示model1和model2的摘要吗？它们似乎是相同的（相同的配置路径，相同的张量）@DanielMöller我在我的问题中添加了模型摘要的一部分是的，它们都是列表，但我仍然不知道如何解决这个问题。用

+

加入列表，就像在回答中一样。如果它们不是列表怎么办？@DanielMöller我得到了同样的错误，但我的输入不是列表，而是tensorflow.python.keras.engine.keras_tensor。KerasTensor，有什么线索可以解决这个错误吗？@the_learning_child，不可能知道你的问题，它说这是一个列表，然后是一个列表。你必须找到你的位置。