时间戳

首页 > 解决方案 > 使用 Keras 功能 API 为 Tensorflow LITE 构建模型

python - 使用 Keras 功能 API 为 Tensorflow LITE 构建模型

问题描述

我正在使用 Keras 功能 API 进行测试，因为我需要将模型迁移到 Tensorflow LITE。我建立了一个具有 3 个输入和 3 个输出的模型。如果所有输入具有相同数量的观察值，则该模型有效。我不明白这一点，因为它们是独立的。

ValueError: All input arrays (x) should have the same number of samples. Got array shapes: [(10, 5), (20, 5), (30, 5)

我想建立一个具有不同观察次数的多个输入的模型。那可能吗？

import numpy as np
from keras.layers import Input, Dense
from keras.models import Model
capas = 3

data = [ np.random.random(size=(50,5)) for i in range(3)]
labels = [ np.random.random(size=(50,2)) for i in range(3)]
visible=[]
preds=[]
for i in range( capas):
    visible.append(Input(shape=(5,)))
    x=Dense(5, activation='relu')(visible[i])
    x=Dense(10, activation='relu')(x)
    preds.append( Dense(2)(x))

model = Model(inputs=visible,output=preds)


model.compile(optimizer='adam',
              loss='mean_squared_error',
              metrics=['accuracy'])
model.fit(data, labels,epochs=50)

标签： pythonkerastensorflow-lite

解决方案

子模型是否独立无关紧要，因为如果您制作多输入多输出模型，则通过将每个模型的损失组合（加权）为执行梯度下降的单个损失来训练它，这要求每个输入和输出中的样本数量相同。

既然你说模型每个都是独立的，你可以独立训练它们，然后制作一个新模型，将三个模型（及其训练的权重）与多个输入和输出相结合。

推荐阅读