培训多输入Keras NN与批处理训练数据

问题描述：

我想用Keras训练一批训练数据的多输入NN，但我无法将一组输入和输出样本传递给在模型上执行拟合或train_on_batch。培训多输入Keras NN与批处理训练数据

我NN被定义为以下：

i1 = keras.layers.Input(shape=(2,)) 
    i2 = keras.layers.Input(shape=(2,)) 
    i3 = keras.layers.Input(shape=(2,)) 
    i_layer = keras.layers.Dense(2, activation='sigmoid') 
    embedded_i1 = i_layer(i1) 
    embedded_i2 = i_layer(i2) 
    embedded_i3 = i_layer(i3) 

    middle_concatenation = keras.layers.concatenate([embedded_i1, embedded_i2, embedded_i3], axis=1) 

    out = keras.layers.Dense(1, activation='sigmoid')(middle_concatenation) 

    model = keras.models.Model(inputs=[i1, i2, i3], outputs=out) 
    model.compile(optimizer='rmsprop', loss='binary_crossentropy', metrics=['accuracy'])

例如，输入（成功地用于预测的输出）的一个实例如下：

[array([[0.1, 0.2]]), array([[0.3, 0.5]]), array([[0.1, 0.3]])]

但是，当我尝试训练我的模型：

inputs = [[np.array([[0.1, 0.2]]), np.array([[0.3, 0.5]]), np.array([[0.1, 0.3]])], 
        [np.array([[0.2, 0.1]]), np.array([[0.5, 0.3]]), np.array([[0.3, 0.1]])] 
         ] 
    outputs = np.ones(len(inputs)) 
    model.fit(inputs, outputs)

我收到此错误：

ValueError: Error when checking model input: you are passing a list as input to your model, but the model expects a list of 3 Numpy arrays instead. The list you passed was: [[array([[ 0.1, 0.2]]), array([[ 0.3, 0.5]]), array([[ 0.1, 0.3]])], [array([[ 0.2, 0.1]]), array([[ 0.5, 0.3]]), array([[ 0.3, 0.1]])]]

我在做什么错？
如何使用一批输入/输出样本来训练多输入NN？

谢谢！

我想你可能想看看[合并]（https：// keras。io/layers/merge /）图层，并将三个独立的分支凝聚到一个组合网络中，否则将您的输入合并为一个 – DJK

@ djk47463感谢您的提示！我需要三个输入来分享他们的权重。因此，我构建了图层'i_layer'，将每个输入添加到此图层，然后连接此图层的三个输出以构建NN的其余部分。注：我只是删除了一些内部图层，以简化代码。无论如何，你知道如何解决列车问题吗？ –

对不起我放弃了代码快，没有意识到你已经在做 – DJK

答

问题只是格式不正确。你可以不通过列表keras，仅numpy的阵列，所以当你有你的数据结构类似于

inputs = [[np.array([[0.1, 0.2]]), np.array([[0.3, 0.5]]), np.array([[0.1, 0.3]])], 
        [np.array([[0.2, 0.1]]), np.array([[0.5, 0.3]]), np.array([[0.3, 0.1]])] 
         ]

你需要一个列表元素传递到你的模型在同一时间。您还需要一次将一个输出值传递给模型。要做到这一点，结构，你outputs这样

outputs = [np.ones(1) for x in inputs] 

[array([ 1.]), array([ 1.])]

然后你可以遍历这样

for z in range(0,len(inputs)): 
    model.fit(inputs[z],outputs[z],batch_size=1)

的拟合函数，你也可以用model.train_on_batch()而不是取代model.fit，看到docs

然而，为了避免循环，你可以在你的inputs列表中存储3个numpy数组，并将你单个的outputs作为一个numpy数组。如果您只想一次进行单批次培训，则可以设置批量大小来完成此操作。

inputs = [np.array([[0.1, 0.2],[0.2, 0.1]]), np.array([[0.3, 0.5],[0.5, 0.3]]), np.array([[0.1, 0.3],[0.3, 0.1]])] 

outputs = np.ones(inputs[0].shape[0]) 

model.fit(inputs,outputs,batch_size=1)

答

现在的问题是，你现在使用列表作为输入，虽然keras需要一个数组列表。

你需要转换你的列表中，这样它看起来像[array_inputs_1, array_inputs_2, array_inputs_3]，其中每个输入数组是输入数组，你会通过该模型，如果它有只输入层，你只要把他们的3名单内。

使用你的数据正确的输入应该是：

[np.array([[0.1, 0.2], [0.2, 0.1]]), 
np.array([[0.3, 0.5], [0.5, 0.3]]), 
np.array([[0.1, 0.3], [0.1, 0.3]])]

这样一来，只要所有3个输入数组有相同数量的元素，keras会知道如何艾德里安分成批次。

谢谢@gionni。你是完全正确的。现在它工作了！ –

培训多输入Keras NN与批处理训练数据

相关推荐