不能在Keras

Question

传递validation_data到模型与几个输入

我有一个模型有两个输入和一个输出：

... 
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]) 

它，只要我不试图通过细列车一个单独的数据集，如validation_data，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，模型立刻引发此错误

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

我试图改变我的数据集传递给([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)（顺便这显然是错误，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。此功能是否受支持？关于多输入模型的文档没有提供任何关于它的信息。

Answer 1

嘛....如果培训工作，你只需要确保这些形状相匹配，除了拳头大小（批量）：

• 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:]