使用批量训练数据训练多输入Keras神经网络

Question

我希望使用Keras训练一个多输入神经网络，使用一批训练数据，但是我无法传递一组输入和输出样本来执行模型的fit或train_on_batch方法。

我的神经网络定义如下:

    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，一个成功用于预测输出的输入实例如下所示： [array([[0.1, 0.2]]), array([[0.3, 0.5]]), array([[0.1, 0.3]])] 但是当我尝试使用以下内容训练我的模型时：

    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)

我遇到了这个错误：

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]])]]

我做错了什么？
如何使用一批输入/输出样本训练多输入神经网络？

谢谢！

- Luca Mastrostefano

---

我认为你可能需要研究一下merge层，并将三个单独的分支压缩成一个组合网络，否则将把输入合并成一个不会有太大区别。 - DJK

@djk47463 感谢您的提示！我需要三个输入共享它们的权重。因此，我构建了“i_layer”层，将每个输入添加到该层中，然后连接该层的三个输出以构建NN的其余部分。 注：为了简化代码，我刚刚删除了一些内部层。无论如何，您知道如何解决训练问题吗？ - Luca Mastrostefano

抱歉，我太快地浏览了代码，没有意识到你已经在做那件事了。 - DJK

Answer 1

问题在于格式不正确。你不能将列表传递给Keras，只能使用NumPy数组。因此，当你的数据结构如下时：

 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]])]
                         ]

您需要逐个将列表元素传递到模型中。您还需要逐个向模型传递一个输出值。为此，请按以下方式构建您的outputs：

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

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

然后，您可以像这样循环使用fit函数

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

您也可以将model.fit替换为model.train_on_batch()，请参阅文档。

但是，为了避免循环，您可以在inputs列表中存储3个numpy数组，并将单个outputs作为numpy数组。如果您只想一次训练一个批次，则可以设置批处理大小以实现该目的。

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)

- DJK

Answer 2

问题在于您现在正在使用列表的列表作为输入，但keras希望是一个数组的列表。

您需要转换您的列表，使其看起来像[array_inputs_1, array_inputs_2, array_inputs_3]，其中每个输入数组都是如果模型只有该输入层，则会传递给模型的输入数组，您只需将它们三个放在一个列表中即可。

使用您的数据，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]])]

只要这3个输入数组的元素数量相同，keras就知道如何将它们分成批次。

- gionni

---

谢谢 @gionni。你是完全正确的。现在它可以工作了！ - Luca Mastrostefano