使用Keras Functional API多输出模型预测遇广播错误求助

错误原因 #

你的模型是双输出模型，调用model.predict()时会返回一个包含两个输出张量的列表，而非单一数组。你直接对整个返回列表调用np.argmax()，导致代码试图将形状为(75,11)的分类输出和另一个回归输出（假设形状为(75,)）进行广播合并，触发形状不匹配的报错。

解决步骤 #

1. 拆分predict的输出结果
   双输出模型的predict()返回值顺序和模型定义时outputs参数的顺序一致，需要分别提取两个输出后再处理：

   # 拆分分类输出与回归输出
   pred_class, pred_reg = model.predict(data_images[valid])
   # 仅对分类输出执行argmax操作
   print(np.argmax(pred_class, axis=-1))
   # 回归输出可直接查看
   print(pred_reg)
   

2. 检查训练阶段的目标数据匹配性
   双输出模型在训练时需要传入两个目标数组的列表，你的当前代码中model.fit仅传入了data_vector[tr]（形状(75,11)），这可能和模型的双输出结构不匹配。需要根据模型输出调整训练数据：

   # 假设模型两个输出分别对应分类标签和回归目标
   history = model.fit(data_images[tr], [data_labels[tr], data_reg_target[tr]],
                       batch_size=batch_size,
                       epochs=80,
                       verbose=verbosity,
                       validation_split=0.2)
   

   如果data_vector本身是包含两个目标的结构化数据，需确认其维度和顺序是否与模型输出层完全对应。

3. 验证模型输出结构
   执行model.summary()查看每个输出层的形状，确保分类输出为(None,11)、回归输出为你预期的形状（比如(None,1)），避免因输出层定义错误导致的形状不兼容问题。

内容的提问来源于stack exchange，提问作者Рим