python - Keras 自定义数据生成器通过多输入和多输出提供维度错误（功能性 api 模型）

问题描述

我已经用 Keras 编写了一个生成器函数，在返回 X,y 之前，__getitem__我仔细检查了 X 和 Y 的形状，它们没问题，但是生成器给出了维度不匹配数组和警告。

（Colab 代码重现：https ://colab.research.google.com/drive/1bSJm44MMDCWDU8IrG2GXKBvXNHCuY70G?usp=sharing ）

我的训练和验证生成器与

class ValidGenerator(Sequence):
    def __init__(self, df, batch_size=64):
        self.batch_size = batch_size
        self.df = df
        self.indices = self.df.index.tolist()
        self.num_classes = num_classes
        self.shuffle = shuffle
        self.on_epoch_end()

    def __len__(self):
        return int(len(self.indices) // self.batch_size)

    def __getitem__(self, index):
        index = self.index[index * self.batch_size:(index + 1) * self.batch_size]
        batch = [self.indices[k] for k in index]
        
        X, y = self.__get_data(batch)
        return X, y

    def on_epoch_end(self):
        self.index = np.arange(len(self.indices))
        if self.shuffle == True:
            np.random.shuffle(self.index)

    def __get_data(self, batch):
        #some logic is written here
        #hat prepares 3 X features and 3 Y outputs 
        X = [input_array_1,input_array_2,input_array_3]
        y = [out_1,out_2,out_3]
        #print(len(X))
        
        return X, y

我返回 X,y 的元组，每个元组有 3 个输入特征和 3 个输出特征，所以 X 的形状是(3,32,10,1)

我正在使用功能 api 来构建模型（我有诸如串联、多输入/输出之类的东西，这在顺序上是不可能的）具有以下结构

当我尝试使用以下代码为模型拟合生成器时

train_datagen = TrainGenerator(df=train_df,  batch_size=32, num_classes=None, shuffle=True)
valid_datagen = ValidGenerator(df=train_df,  batch_size=32, num_classes=None, shuffle=True)
model.fit(train_datagen, epochs=2,verbose=1,callbacks=[checkpoint,es])

我收到了这些不会消失的警告和错误

Epoch 1/2 WARNING:tensorflow:Model 是用形状 (None, 10) 构造的输入 >Tensor("input_1:0", shape=(None, 10), dtype=float32)，但它在输入上被调用 >形状不兼容（无，无，无）。

WARNING:tensorflow:Model 是用形状 (None, 10) 构建的输入张量 ("input_2:0", shape=(None, 10), dtype=float32), 但它是在形状不兼容的输入上调用的 (None,无，无）。WARNING:tensorflow:Model 是用形状 (None, 10) 作为输入 Tensor("input_3:0", shape=(None, 10), dtype=float32) 构建的，但它是在形状不兼容的输入上调用的 (None,无，无）。... ... 调用 return super(RNN, self)。调用（输入，**kwargs）/home/eduardo/.virtualenvs/kgpu3/lib/python3.8/site-packages/tensorflow/python/keras/engine/base_layer.py:975 调用 input_spec.assert_input_compatibility（self.input_spec，输入，/home/eduardo/.virtualenvs/kgpu3/lib/python3.8/site-packages/tensorflow/python/keras/engine/input_spec.py:176 assert_input_compatibility raise ValueError（'输入' + str(input_index) + ' 层 ' +
ValueError: Input 0 of layer lstm is incompatible with the layer: expected ndim=3, found ndim=4. Full shape received: [None, None, None, 88]

我已经重新检查了整个代码，并且不可能在警告或错误中输入（无，无，无），我的输入维度是(3,32,10,1)

更新

我也尝试用 python 编写一个生成器函数并得到完全相同的错误。

我的生成器功能

def generate_arrays_from_file(batchsize,df):
    #print(bat)
    inputs = []
    targets = []
    batchcount = 0
    while True:
            
            df3 = df.loc[np.arange(batchcount*batchsize,(batchcount*batchsize)+batchsize)]
            #Some pre processing
            X = [input_array_1,input_array_2,input_array_3]
            y = [out_1,out_2,out_3]
            yield X,y 
            batchcount = batchcount +1

keras 内部似乎有问题（可能是由于我使用的是功能性 API）

更新 2

我也尝试输出元组

       X = (input1_X,input2_X,input3_X)
       y = (output1_y,output2_y,output3_y)

并且还命名为输入/输出，但它不起作用

        X =  {"input_1": input1_X, "input_2": input2_X,"input_3": input3_X}
        y = {"output_1": output1_y, "output_2": output2_y,"output_3": output3_y}

关于问题表述的注意事项：

将单个 X 特征更改为 (32,10) 而不是 (32,10,1) 可能有助于消除此错误，但这不是我想要的，它改变了我的问题（我不再有 10 个时间步每个功能一个）

标签： pythontensorflowkerasdeep-learninglstm

python - Keras 自定义数据生成器通过多输入和多输出提供维度错误（功能性 api 模型）

问题描述

解决方案

推荐阅读