python - ValueError : Data cardinality is ambiguous. 请提供共享相同第一维的数据

Question

我正在尝试创建一个具有多个输入分支的 keras 模型，但 keras 不喜欢输入具有不同的大小。
这是一个最小的例子:

import numpy as np

from tensorflow import keras
from tensorflow.keras import layers


inputA = layers.Input(shape=(2,))
xA = layers.Dense(8, activation='relu')(inputA)

inputB = layers.Input(shape=(3,))
xB = layers.Dense(8, activation='relu')(inputB)

merged = layers.Concatenate()([xA, xB])

output = layers.Dense(8, activation='linear')(merged)    

model = keras.Model(inputs=[inputA, inputB], outputs=output)


a = np.array([1, 2])
b = np.array([3, 4, 5])    

model.predict([a, b])

这导致错误:

ValueError: Data cardinality is ambiguous:
  x sizes: 2, 3
Please provide data which shares the same first dimension.

在 keras 中是否有更好的方法来做到这一点？我已经阅读了引用相同错误的其他问题，但我并没有真正理解我需要改变什么。

Answer 1

您需要以正确的格式传递数组...(n_batch，n_feat)。一个简单的 reshape 就足以创建批量维度

import numpy as np
from tensorflow import keras
from tensorflow.keras import layers


inputA = layers.Input(shape=(2,))
xA = layers.Dense(8, activation='relu')(inputA)

inputB = layers.Input(shape=(3,))
xB = layers.Dense(8, activation='relu')(inputB)

merged = layers.Concatenate()([xA, xB])

output = layers.Dense(8, activation='linear')(merged)    

model = keras.Model(inputs=[inputA, inputB], outputs=output)


a = np.array([1, 2]).reshape(1,-1)
b = np.array([3, 4, 5]).reshape(1,-1)

model.predict([a, b])