TypeError: predict() 接受 2 到 5 个位置参数，但给出了 10 个

Question

在 Keras 功能 API 上运行具有 9 个输入和 9 个输出的模型。
该模型非常适合，但我在运行时遇到此错误
model.predict

模型：（注意这只是两个输入，输出——我还有 7 个相似的层）

one= Input(shape=(9216,))
hidden1 = Dense(dense_one)(one)
hidden1 = BatchNormalization()(hidden1)
hidden1 = Activation('relu')(hidden1)
hidden1= Dropout(drop_out)(hidden1)
hidden1 = Dense(dense_two)(hidden1)
hidden1 = BatchNormalization()(hidden1)
hidden1 = Activation('relu')(hidden1)
hidden1= Dropout(drop_out)(hidden1)
hidden1 = Dense(dense_three)(hidden1)
hidden1 = BatchNormalization()(hidden1)
hidden1 = Activation('relu')(hidden1)
hidden1= Dropout(drop_out)(hidden1)
hidden1 = Dense(dense_four)(hidden1)
hidden1 = BatchNormalization()(hidden1)
hidden1 = Activation('relu')(hidden1)
hidden1= Dropout(drop_out)(hidden1)
output1 = Dense(500, activation='softmax')(hidden1) 

two= Input(shape=(9216,))
hidden2 = Dense(dense_one)(two)
hidden2 = BatchNormalization()(hidden2)
hidden2 = Activation('relu')(hidden2)
hidden2= Dropout(drop_out)(hidden2)
hidden2 = Dense(dense_two)(hidden2)
hidden2 = BatchNormalization()(hidden2)
hidden2 = Activation('relu')(hidden2)
hidden2= Dropout(drop_out)(hidden2)
hidden2 = Dense(dense_three)(hidden2)
hidden2 = BatchNormalization()(hidden2)
hidden2 = Activation('relu')(hidden2)
hidden2= Dropout(drop_out)(hidden2)
hidden2 = Dense(dense_four)(hidden2)
hidden2 = BatchNormalization()(hidden2)
hidden2 = Activation('relu')(hidden2)
hidden2= Dropout(drop_out)(hidden2)
output2 = Dense(500, activation='softmax')(hidden2) 

model = Model(inputs=[one, two...],
              outputs=[output1, output2, output3,output4, output5, output6, output7,output8, output9])

这是我的拟合函数：

history = model.fit(x=[train1,train2,train3,train4,train5,train6,train7,train8,train9], 
          y=[y1,y2,y3,y4,y5,y6,y7,y8,y9], callbacks=callbacks,
          batch_size=40, epochs=50, verbose=1, validation_split=0.1, shuffle=False)  

它运行完美，我什至可以绘制历史。

那我就跑了：

model.predict(train1[1],train1[2],train1[3],train1[4],train1[5],train1[6],train1[7],train1[8],train1[9])  

并得到上述错误。
我检查了每个输入的形状与模型可以接受的形状相似（每个 train1[x] 具有相同的形状）

编辑：
我试着跑了

model.predict([train1[1],train1[2],train1[3],train1[4],train1[5],train1[6],train1[7],train1[8],train1[9]])   

并得到以下错误：

 ValueError: Error when checking input: expected input_1 to have shape (9216,) but got array with shape (1,)  

我也试过跑步：

model.predict(train1[1:9])  

得到了

ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 9 array(s), but instead got the following list of 8 arrays: [array([[255.]... –

我也试过跑步

model.predict(train1[1:10])

得到了

ValueError: Error when checking input: expected input_1 to have shape (9216,) but got array with shape (1,)

Answer 1

我的理解是，你有一个模型，它是由 9 个其他模型组成的图。所以你有 9 个输入和 9 个输出。每个输入似乎都是维度 (9216,)。

当您拟合模型时，train1,train2,...,train9 是这 9 个模型中每一个模型的输入。所以在预测中，你有相同数量的输入是有道理的，我的意思是 train1，train2，...，train9。 当您尝试 train1[0] 时，就像您只想获取大小为 (9216,) 的张量的一个元素，这是不正确的