与输入维度相关的多输入 Keras 模型出现错误

Question

我有一个多输入 Keras 模型。这里的输入：[<tf.Tensor 'input_1:0' shape=(None, 256, 256, 3) dtype=float32>, <tf.Tensor 'input_2:0' shape=(None, 256, 256, 3) dtype=float32>, <tf.Tensor 'input_3:0' shape=(None, 256, 256, 3) dtype=float32>, <tf.Tensor 'input_4:0' shape=(None, 256, 256, 3) dtype=float32>]这里是模型的输入形状：[(None, 256, 256, 3), (None, 256, 256, 3), (None, 256, 256, 3), (None, 256, 256, 3)]训练数据形状如下：(4, 422, 256, 256, 3)4 = number of inputs (consist of appended arrays together).422 = number of training images in each input.256, 256, 3 = shape of the images当我调用该fit函数时：model.fit(train_x, train_y, validation_split=0.20, epochs=5, batch_size=3)出现以下错误：ValueError：层 conv1_pad_0 的输入 0 与该层不兼容：预期 ndim=4，发现 ndim=5。收到的完整形状：[3, 422, 256, 256, 3]我已经尝试过这篇文章中给出的解决方案，但我发现基数不匹配。ValueError：数据基数不明确：我尝试过像下面这样传递火车数据，它有效：model.fit([train_x[0], train_x[1], train_x[2], train_x[3]], train_y, validation_split=0.20, epochs=5, batch_size=3)现在，如果我想将模型扩展到 20 个输入，上面的代码行将会出现问题。更新：该模型基于预训练的ResNet50，所有输入都是没有顶层的 resnet50 ，并从以下三层开始：input_1_0 (InputLayer)        [(None, 256, 256, 3) 0  conv1_pad_0 (ZeroPadding2D)   (None, 262, 262, 3)  0           input_1_0[0][0]conv1_conv_0 (Conv2D)         (None, 128, 128, 64) 9472        conv1_pad_0[0][0]   用于训练/测试模型的数据处理如下：for row in np.array(tmp_data):        row = images_preprocessing(row) # Depends on the model used        train_x, test_x, train_y, test_y = split_data(row, target) # Here the train_test_split is used                train_X.append(train_x)        test_X.append(test_x)        train_Y.append(train_y)        test_Y.append(test_y)

Answer 1

尝试

train_x_list = [tf.squeeze(tx) for tx in tf.split(train_x, num_or_size_splits=train_x.shape[0], axis=0)]

它将生成一个张量列表，其中训练数据沿维度 0 分割。然后使用第二个解决方案，将列表提供给fit()。