Question

似乎Keras缺乏有关功能API的文档，但我可能会把它弄错。

我有多个独立输入，我想预测每个输入的输出。到目前为止，这是我的代码：

 hour = Input(shape=(1,1), name='hour')
 hour_output = LSTM(1, name='hour_output')(hour)

 port = Input(shape=(1,1), name='port')
 port_output = LSTM(1, name='port_output')(port)

 model = Model(inputs=[hour, port], outputs = [hour_output, port_output])

 model.compile(loss="mean_squared_error", optimizer="adam", metrics=['accuracy'])
 model.fit(trainX, trainY, epochs=10 batch_size=1, verbose=2, shuffle=False)

我得到的错误：

ValueError：没有为＆＃34; hour_output＆＃34;提供数据。需要每个密钥的数据：[＆＃39; hour_output＆＃39;，＆＃39; port_output＆＃39;]

我也很难为此获得正确的输入，因此我最终使用了带有示例结构的字典：{'hour': array([[[0]], [[1]], [[3]]]) }。我也不喜欢（使用dict）。

请注意，我有更多的输入要使用，为此有意义，但现在我只是想让模型工作。

Answer 1

在model.fit中，您需要提供长度为2的输入列表，因为您在模型中定义了两个输入。

将您的培训数据拆分为train_hour和train_port，并致电fit，如：

model.fit([train_X_hour, train_X_port], [train_Y_hour, train_Y_port] epochs=10 batch_size=1, verbose=2, shuffle=False)

使用Keras Functional API的多个输入

1 个答案: