将具有多个输入的现有keras模型改编为tensorflow联邦模型

我试图将联邦学习应用到一个现有的keras模型，该模型需要两个输入。当我调用

tff.learning.from_compiled_keras_model

并包含一个虚拟批时，我得到了以下错误：

ValueError:Layer model_1需要2个输入，但它收到了1个输入张量。接收到的输入：[]

该模型接受两个numpy数组作为输入，因此我将虚拟批定义为：

x = tf.constant(np.random.randint(1,100, size=[20]))
collections.OrderedDict([('x', [x, x]), ('y', x)])

---

我仔细研究了一下，最终发现，

tf.convert\u to\u tensor\u或\u sparse\u tensor

在输入列表中被调用（在

\uuu init\uuuu

的

\u KerasModel

中），它返回一个形状张量（2,20），而不是两个单独的数组或张量。是否有其他方法可以表示输入列表以避免此问题？

TFF团队刚刚推送了一个应该包含此错误修复的提交；应该是你想要的。特别请参见

tensorflow\u federated/python/learning/model\u utils\u test.py

中的更改——添加的测试用例应该是您问题的翻版，现在已经通过了

你对tf的调用是正确的。将u转换为张量或稀疏张量；现在我们使用

tf.nest.map_结构

将此函数调用映射到传入数据结构的叶子。注意，Keras还做了一些额外的输入规范化；我们决定不在这里重复这种逻辑

在下一个版本之前，这个更改不会出现在pip包中，但是如果您从源代码构建，它现在就可以使用了

谢谢你的接球，并指向正确的地方