seq2seq模型中的Keras ValueError，“预期看到2个数组，但得到了以下1个数组的列表”

Question

我正在为聊天机器人使用seq2seq模型，当我运行它时，出现以下错误：

  

ValueError：检查模型输入时出错：Numpy数组的列表   您传递给模型的信息不是模型期望的大小。   预期会看到2个数组，但得到以下1个列表   数组：[array（[[[1016，627，1016，...，0，0，0]，          [798，287，422，...，0，0，0]，          [777，0，0，...，0，0，0]，          ...，          [1863，709，370，...，0，...

我怀疑这与“连接”层有关，因此我尝试在没有额外括号的情况下提供被串联的两个项目，并将它们放在括号中的对直接传送到下一个Dense层，但没有一个起作用。我输入的数据是表示单词的整数序列，这些单词被共享的Embedding层映射到Word2Vec向量空间。

padded_context = sequence.pad_sequences(context,maxlen=maxlen_input,padding='post',truncating='post')
padded_replies = sequence.pad_sequences(replies,maxlen=maxlen_input,padding='post',truncating='post')

input_context = Input(shape=(maxlen_input,),dtype='int32',name='input_context')
input_reply = Input(shape=(maxlen_input,),dtype='int32',name='input_reply')

LSTM_encoder = LSTM(sentence_embedding_size,init='lecun_uniform')
LSTM_decoder = LSTM(sentence_embedding_size,init='lecun_uniform')

Shared_Embedding = Embedding(output_dim=word_embedding_size, input_dim=vocab_size,weights=[embedding_mtx])

word_embedding_context = Shared_Embedding(input_context)
context_embedding = LSTM_encoder(word_embedding_context)

word_embedding_reply = Shared_Embedding(input_reply)
reply_embedding = LSTM_decoder(word_embedding_reply)

merge_layer = Concatenate(axis=1)([context_embedding,reply_embedding])
out = Dense(vocab_size/2,activation='relu')(merge_layer)
out = Dense(vocab_size,activation='softmax')(out)

model = Model(input=[input_context,input_reply],output=[out])

model.compile(loss='categorical_crossentropy',optimizer='Adam')

print model.summary()

model.fit(x=padded_context,y=padded_replies,batch_size=32,epochs=10)

我也尝试通过Keras文档追踪错误回溯，但是什么也做不了。如果有帮助，这里也是模型摘要：