无法将验证数据传递给 Keras 中具有多个输入的模型答案

【问题标题】：Can't pass validation_data to a model with several inputs in Keras无法将验证数据传递给 Keras 中具有多个输入的模型
【发布时间】：2017-09-08 23:29:38
【问题描述】：

我有一个有两个输入和一个输出的模型：

...
model = models.Model([l_in_wv, l_in_ng], [l_out])
model.compile(optimizer="Adam", loss=loss_fn, metrics=[...], sample_weight_mode="temporal")
model.fit([tokens_wv_j, tokens_ng_j], anno_onehot, validation_split=0.2  verbose=1, epochs=20, batch_size=400, sample_weight=sample_weights, callbacks=[checkpoint])

只要我不尝试将单独的数据集作为validation_data 传递，它就可以很好地训练，例如

model.fit([tokens_wv_j, tokens_ng_j], anno_onehot, validation_data=[[tokens_wv_j_val, tokens_ng_j_val], anno_j_val], verbose=1, epochs=20, batch_size=400, sample_weight=sample_weights, callbacks=[checkpoint])

如果我尝试这样做，模型会立即引发此错误

ValueError: Error when checking target: expected l_out to have 3 dimensions, but got array with shape (131943, 50)

我尝试将我将数据集传递给([tokens_wv_j_val, tokens_ng_j_val], anno_j_val) 或((tokens_wv_j_val, tokens_ng_j_val), anno_j_val) 甚至(tokens_wv_j_val, tokens_ng_j_val, anno_j_val) 的方式更改（这显然是错误的，因为在这种情况下第三个数组被认为是sample_weights），但所有选项只会导致稍微不同的错误消息。是否支持此功能？多输入模型的文档对此一无所知。

【问题讨论】：

标签： python python-3.x deep-learning keras

【解决方案1】：

嗯....如果训练有效，您只需要确保这些形状匹配，除了拳头尺寸（批量大小）：

tokens_wv_j.shape[1:] = tokens_wv_j_val.shape[1:]
tokens_ng_j.shape[1:] = tokens_ng_j_val.shape[1:]
anno_onehot.shape[1:] = anno_j_val.shape[1:]

【讨论】：

我认为这并不能真正解决问题，因为所有数组都具有相同的形状（第一个维度除外）。
相信错误信息，它不会说谎。如果它们都具有相同的形状，那么您也无法进行训练。关于anno_onehot 或anno_j_val 的错误消息很清楚。它们的形状都应为(BatchSize,3)。 --- 现在，如果你确实需要它们是(BatchSize,50)，那么你必须修改你的模型（如果是这样，我们应该看看它的代码）。
我仔细检查了所有内容，您似乎是对的。谢谢。
@DanielMöller 请让我知道您对这个问题的看法：stackoverflow.com/questions/58870350/…。我期待着您的回音。谢谢你:)