Question

我正在使用keras功能API和维度（224,224,3）的输入图像。我使用功能API有以下模型，尽管顺序模型似乎也出现了类似的问题：

input = Input(shape=(224, 224, 3,))
shared_layers = Dense(16)(input)
model = KerasModel(input=input, output=shared_layers)
model.compile(loss='binary_crossentropy', optimizer='sgd', metrics='accuracy'])

我正在调用model.fit_generator我的生成器

yield ({'input_1': image}, {'output': classification})

image是输入（224,224,3）图像，classification位于{-1,1}。

在拟合模型时，我收到错误

ValueError: No data provided for "dense_1". Need data for each key in: ['dense_1']

有一件奇怪的事情是，如果我将dict的input_1目标切换为dense_1，则错误会切换为缺少input_1的输入，但会回到缺失的{{1}如果两个键都在数据生成器中。

无论是拨打dense_1还是从发电机获取批次并致电fit_generator，都会发生这种情况。

有谁知道发生了什么？据我所知，这应该与the documentation中给出的相同，尽管输入大小不同。

train_on_batch

Answer 1

我在3个案例中遇到此错误（在R中）：

输入数据与第一层中声明的维度不同
输入数据包含缺失值
输入数据不是矩阵（例如，数据框）

请检查以上所有内容。

也许R中的这段代码可以提供帮助：

library(keras)

#The network should identify the rule that a row sum greater than 1.5 should yield an output of 1

my_x=matrix(data=runif(30000), nrow=10000, ncol=3)
my_y=ifelse(rowSums(my_x)>1.5,1,0)
my_y=to_categorical(my_y, 2)

model = keras_model_sequential()
layer_dense(model,units = 2000, activation = "relu", input_shape = c(3))
layer_dropout(model,rate = 0.4)
layer_dense(model,units = 50, activation = "relu")
layer_dropout(model,rate = 0.3)
layer_dense(model,units = 2, activation = "softmax")

compile(model,loss = "categorical_crossentropy",optimizer = optimizer_rmsprop(),metrics = c("accuracy"))

history <- fit(model,  my_x, my_y, epochs = 5, batch_size = 128, validation_split = 0.2)

evaluate(model,my_x, my_y,verbose = 0)

predict_classes(model,my_x)

Answer 2

我也遇到了这个问题，上述答案均无效。根据keras documentation，您可以将参数作为这样的字典传递：

model.fit({'main_input': headline_data, 'aux_input': additional_data},
      {'main_output': labels, 'aux_output': labels},
      epochs=50, batch_size=32)

或这样的列表：

model.fit([headline_data, additional_data], [labels, labels],
      epochs=50, batch_size=32)

词典版本对我来说不适用于keras版本2.0.9。我现在使用列表版本作为解决方法。

Answer 3

这是因为我误解了keras输出是如何工作的。由output Model参数指定的层需要数据的输出。我误解了数据字典中的output键会自动转到output参数指定的层。

Answer 4

yield ({'input_1': image}, {'output': classification})

将output替换为dense_1。它将起作用。

Keras：ValueError：没有为＆＃34; input_1＆＃34;提供数据。需要每个密钥的数据

4 个答案: