Keras：ValueError：没有为“input_1”提供数据。需要每个键的数据

Question

我正在使用带有尺寸 (224、224、3) 的输入图像的 keras 功能 API。我有以下使用功能 API 的模型，尽管顺序模型似乎出现了类似的问题：

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'])

我打电话给model.fit_generator 我的发电机有

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

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

在拟合模型时，我得到一个错误

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

一个奇怪的事情是，如果我将 dict 的 input_1 目标切换到 dense_1，错误会切换为缺少 input_1 的输入，但如果两个键都在数据生成器。

无论我调用 fit_generator 还是从生成器获取批次并调用 train_on_batch，都会发生这种情况。

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

Full traceback:
Traceback (most recent call last):
  File "pymask.py", line 303, in <module>
    main(sys.argv)
  File "pymask.py", line 285, in main
    keras.callbacks.ProgbarLogger()
  File "/home/danielunderwood/virtualenvs/keras/lib/python3.6/site-packages/keras/engine/training.py", line 1557, in fit_generator
    class_weight=class_weight)
  File "/home/danielunderwood/virtualenvs/keras/lib/python3.6/site-packages/keras/engine/training.py", line 1314, in train_on_batch
    check_batch_axis=True)
  File "/home/danielunderwood/virtualenvs/keras/lib/python3.6/site-packages/keras/engine/training.py", line 1029, in _standardize_user_data
    exception_prefix='model input')
  File "/home/danielunderwood/virtualenvs/keras/lib/python3.6/site-packages/keras/engine/training.py", line 52, in standardize_input_data
    str(names))
ValueError: No data provided for "input_1". Need data for each key in: ['input_1']

Answer 1

我在 3 个案例中遇到了这个错误（在 R 中）：

1. 输入数据的维度与第一层中声明的维度不同
2. 输入数据包含缺失值
3. 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

我也遇到过这个问题，上面提到的答案都没有奏效。根据 keras documentation，您可以像这样将参数作为字典传递：

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

或者像这样的列表：

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

字典版本不适用于 keras 版本 2.0.9。我现在使用列表版本作为解决方法。

Answer 3

这是由于我误解了 keras 输出的工作原理。 Model 的 output 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。 它会起作用的。