ValueError: 层 model_2 需要 2 个输入，但它接收到 1 个输入张量答案

【问题标题】：ValueError: Layer model_2 expects 2 inputs, but it received 1 input tensorsValueError: 层 model_2 需要 2 个输入，但它接收到 1 个输入张量
【发布时间】：2020-07-15 07:41:44
【问题描述】：

我有我构建的这个模型，它在 model3.add(graph) 的标题中抛出错误。根据我的阅读和理解，这里的第二个模型model3 期望model3.add(graph) 有两个输入，但它只收到一个。为什么需要2个输入？我忽略了什么吗？请帮忙？

inputs3 = model.inputs[:2]  # We are getting all layers EXCEPT last 2 layers
layer_output3 = model.get_layer('Encoder-12-FeedForward-Norm')).output  #this is a layer from a pretrained BERT model
removed_layer = RemoveMask()(layer_output3)    #the previous layer contains masks which are not compatible with a CNN layer in Keras
conv_blocks = [] 
filter_sizes = (2,3,4)
for fx in filter_sizes:
    conv_layer = Conv1D(100, kernel_size=fx,
                                    activation= 'softsign'), data_format='channels_first')(removed_layer)  
    maxpool_layer = MaxPooling1D(pool_size=2)(conv_layer)
    flat_layer = Flatten()(maxpool_layer)
    conv_blocks.append(flat_layer)
conc_layer = concatenate(conv_blocks, axis=1)
restored_layer = RestoreMask()([conc_layer, layer_output3])
graph = Model(input=inputs3, outputs=restored_layer)

model3 = Sequential()
model3.add(graph)
model3.add(Dropout(0.1))
model3.add(Dense(3, activation='softmax'))
model3.compile(loss='sparse_categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
model3.summary()

【问题讨论】：

标签： python-3.x tensorflow keras conv-neural-network masking

【解决方案1】：

您正在将功能模型（图）与顺序模型（模型 3）相结合。要么将两个模型都转换为功能模型（如图形），要么将两个模型都转换为顺序模型（如模型 3）。

您可以找到将功能模型转换为顺序模型的解决方案，反之亦然here。

【讨论】：