与输入维度相关的多输入 Keras 模型出现错误

Question

我有一个多输入 Keras 模型。这里的输入：

[<tf.Tensor 'input_1:0' shape=(None, 256, 256, 3) dtype=float32>,
 <tf.Tensor 'input_2:0' shape=(None, 256, 256, 3) dtype=float32>,
 <tf.Tensor 'input_3:0' shape=(None, 256, 256, 3) dtype=float32>,
 <tf.Tensor 'input_4:0' shape=(None, 256, 256, 3) dtype=float32>]

这里是模型的输入形状：

[(None, 256, 256, 3),
 (None, 256, 256, 3),
 (None, 256, 256, 3),
 (None, 256, 256, 3)]

训练数据形状如下：

(4, 422, 256, 256, 3)
4 = number of inputs (consist of appended arrays together).
422 = number of training images in each input.
256, 256, 3 = shape of the images

当我调用fit 函数时：

model.fit(train_x, train_y, validation_split=0.20, epochs=5, batch_size=3)

出现以下错误：

ValueError: 层 conv1_pad_0 的输入 0 与层不兼容：预期 ndim=4，发现 ndim=5。收到的完整形状：[3, 422, 256, 256, 3]

我已经尝试了this post 中给出的解决方案，但我的基数不匹配。

ValueError：数据基数不明确：

我尝试过像下面这样传递火车数据，它奏效了：

model.fit([train_x[0], train_x[1], train_x[2], train_x[3]], train_y, validation_split=0.20, epochs=5, batch_size=3)

现在如果我想将我的模型扩展到 20 个输入，上面的代码行将会出现问题。

更新：

该模型基于预训练的ResNet50，所有输入都是没有顶层的resnet50，并从以下三层开始：

input_1_0 (InputLayer)        [(None, 256, 256, 3) 0  
conv1_pad_0 (ZeroPadding2D)   (None, 262, 262, 3)  0           input_1_0[0][0]
conv1_conv_0 (Conv2D)         (None, 128, 128, 64) 9472        conv1_pad_0[0][0]   

用于训练/测试模型的数据处理如下：

for row in np.array(tmp_data):
        row = images_preprocessing(row) # Depends on the model used
        train_x, test_x, train_y, test_y = split_data(row, target) # Here the train_test_split is used
        
        train_X.append(train_x)
        test_X.append(test_x)
        train_Y.append(train_y)
        test_Y.append(test_y)

Answer 1

试试

train_x_list = [tf.squeeze(tx) for tx in tf.split(train_x, num_or_size_splits=train_x.shape[0], axis=0)]

它将生成一个张量列表，其中训练数据沿维度 0 拆分。然后使用您的第二个解决方案，将该列表提供给 fit()。