python - 在具有多个输出时如何修复 ValueError(x 和 y 应该具有相同的长度)？

Question

我正在建立一个模型，该模型具有图像输入 (130,130,1) 和 3 个输出，每个输出包含一个 (10,1) 向量，其中单独应用 softmax。

(Inspired by J. Goodfellow, Yaroslav Bulatov, Julian Ibarz, Sacha Arnoud, and Vinay D. Shet. Multi-digit number recognition from street view imagery using deep convolutional neural networks. CoRR, abs/1312.6082, 2013. URL http://arxiv.org/abs/1312.6082 , sadly they didn't publish their network).

input = keras.layers.Input(shape=(130,130, 1)
l0 = keras.layers.Conv2D(32, (5, 5), padding="same")(input)
[conv-blocks etc]
l12 = keras.layers.Flatten()(l11)
l13 = keras.layers.Dense(4096, activation="relu")(l12)
l14 = keras.layers.Dense(4096, activation="relu")(l13)
output1 = keras.layers.Dense(10, activation="softmax")(l14)
output2 = keras.layers.Dense(10, activation="softmax")(l14)
output3 = keras.layers.Dense(10, activation="softmax")(l14)

model = keras.models.Model(inputs=input, outputs=[output1, output2, output3])
model.compile(loss=['categorical_crossentropy', 'categorical_crossentropy', 
              'categorical_crossentropy'],
              loss_weights=[1., 1., 1.],
              optimizer=optimizer,
              metrics=['accuracy'])

train_generator = train_datagen.flow(x_train,
              [[y_train[:, 0, :], y_train[:, 1, :], y_train[:, 2, :]], 
              batch_size=batch_size)

但是我得到:ValueError:x(图像张量)和y(标签)应该具有相同的长度。发现:x.shape = (1000, 130, 130, 1), y.shape = (3, 1000, 10)

但是如果我将其更改为:

 [same as before]
 train_generator = train_datagen.flow(x_train,
              y_train, 
              batch_size=batch_size)

然后我得到:ValueError:检查模型目标时出错:您传递给模型的 Numpy 数组列表不是模型预期的大小。预计会看到 3 个数组

• 维度(x_train) = (1000, 130, 130, 1)
  • 其中每张图像为 (130, 130, 1)，并且有 1000 张图像
• 维度(y_train) = (1000, 3, 10)

在 documentation据说应该是这样；

model = Model(inputs=[main_input, auxiliary_input], outputs= 
[main_output, auxiliary_output])

但是，我不知道如何才能使输出和输入具有相同的长度？

Answer 1

感谢@Djib2011。当我在文档中查找将其传递到字典中的示例时，我注意到所有示例都使用 model.fit() 而不是 model.fit_generator() .

所以我研究了一下，发现还有一个 bug (自 2016 年起开放!)用于具有单输入和多输出的 ImageDataGenerator。悲伤的故事。

因此解决方案是使用 model.fit() 而不是 model.fit_generator()。