Keras多输出模型错误计算目标尺寸：ValueError：检查目标时出错答案

【问题标题】：Keras multi-output model wrongly calculate target dimensions: ValueError: Error when checking targetKeras多输出模型错误计算目标尺寸：ValueError：检查目标时出错
【发布时间】：2020-01-30 18:05:04
【问题描述】：

我正在尝试从一个有效的单输出模型开始构建一个多输出 keras 模型。然而，Keras 抱怨张量维度。

单输出模型：

这个 GRU 模型训练和预测都很好：

timesteps = 250
features = 2

input_tensor = Input(shape=(timesteps, features), name="input")
conv = Conv1D(filters=128, kernel_size=6,use_bias=True)(input_tensor)
b = BatchNormalization()(conv)
s_gru, states = GRU(256, return_sequences=True, return_state=True, name="gru_1")(b)
biases = keras.initializers.Constant(value=88.15)
out = Dense(1, activation='linear', name="output")(s_gru)
model = Model(inputs=input_tensor, outputs=out)

我的 numpy 数组是：

train_x # shape:(7110, 250, 2) 
train_y # shape: (7110, 250, 1)

如果使用以下代码拟合模型并且一切正常：

model.fit(train_x, train_y,batch_size=128, epochs=10, verbose=1)

问题：

我想使用稍微修改过的网络版本，它也输出 GRU 状态：

input_tensor = Input(shape=(timesteps, features), name="input")
conv = Conv1D(filters=128, kernel_size=6,use_bias=True)(input_tensor)
b = BatchNormalization()(conv)
s_gru, states = GRU(256, return_sequences=True, return_state=True, name="gru_1")(b)
biases = keras.initializers.Constant(value=88.15)
out = Dense(1, activation='linear', name="output")(s_gru)
model = Model(inputs=input_tensor, outputs=[out, states]) # multi output

#fit the model but with a list of numpy array as y
model.compile(optimizer=optimizer, loss='mae', loss_weights=[0.5, 0.5])
history = model.fit(train_x, [train_y,train_y], batch_size=128, epochs=10, callbacks=[])

此训练失败，keras 抱怨目标维度：

ValueError: Error when checking target: expected gru_1 to have 2 dimensions, but got array with shape (7110, 250, 1)

我正在使用 Keras 2.3.0 和 Tensorflow 2.0。

我在这里错过了什么？

【问题讨论】：

'states' 的维度对于示例数和单元数的形状将是 (7110, 256)，因此您无法真正将其与单个 Dense 单元的输出进行比较.
谢谢！但我没有将状态连接到 Dense 层。我只使用s_gru 作为密集层的输入。 s_gru 是输出序列
同意，但是，您期望的输出形状应该与状态的尺寸相匹配。在此示例中，任何形状为 (None, 256) 的 np.array 都可以。具有单个输出的情况有效，因为train_y 具有与输入相同的序列长度。您能否为多输出情况添加model.summary 的输出？
对不起，我最初误解了你的回答。现在我明白你的意思了，通过改变目标列表中 secod 数组的维度，我可以训练网络。谢谢！如果您想回答问题，我会将其标记为已接受的答案。
很高兴我能帮上忙

标签： python numpy keras tensorflow2.0

【解决方案1】：

第二个输出的尺寸和outputs 列表中的第二个元素的尺寸应该是相似的。在这种情况下，states 的形状将是 (7110, 256)，它无法与 train_y 形状进行比较（如第一个代码块中所述，形状将是 (7110, 250, 1)。确保输出可以与相似的形状进行比较。

【讨论】：