Question

我正在建立一个模型，该模型具有一个图像输入（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。

（受J. Goodfellow，Yaroslav Bulatov，Julian Ibarz，Sacha Arnoud和 Vinay D. Shet。使用深度卷积神经网络从街景图像中进行多位数数字识别。 CoRR，abs / 1312.6082，2013年。URL http://arxiv.org/abs/1312.6082，可惜他们没有发布他们的网络。

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)

但是随后我得到： ValueError：x（图像张量）和y（标签）应该具有相同的长度。找到：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：传递给模型的Numpy数组列表不是模型期望的大小。预计会看到3个数组

dimension（x_train）=（1000，130，130，1）
- 每个单张图片分别为（130、130、1），并且有1000张图片
dimension（y_train）=（1000，3，10）

在documentation中指出应该是这样；

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

但是，我不知道您应该如何具有相同的输出和输入长度？

Answer 1

感谢@ Djib2011。当我在文档中查找示例以将其传递到字典中时，我指出所有示例都使用model.fit()而不是model.fit_generator()。

因此，我进行了研究，发现还有一个 bug （自2016年开始营业！）具有单个输入和多个输出的ImageDataGenerator 。悲伤的故事。

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

如何在有多个输出的同时修复ValueError（x和y应该具有相同的长度）？

1 个答案: