使用多输入tf.data.Dataset训练Keras模型报错求助

错误根源 #

你当前的a_train_ds和b_train_ds都是包含(输入数据, 标签)的Dataset，但Keras多输入模型需要的输入结构是**(输入1数据, 输入2数据)**与标签配对的格式，直接传入两个独立的Dataset列表会导致数据适配器无法识别输入格式。另外代码里的中文引号（‘’）也会引发语法错误，需要替换为英文引号（''）。

修正步骤 #

1. 调整Dataset结构
   先分别创建仅包含输入数据的Dataset，再将两个输入Dataset合并，并与标签配对，形成((输入a, 输入b), 标签)的结构：

   # 仅创建输入数据的Dataset，不包含标签
   a_train_ds = tf.data.Dataset.from_tensor_slices(x_train)
   b_train_ds = tf.data.Dataset.from_tensor_slices(x_train)
   # 合并两个输入Dataset，并与标签配对
   train_ds = tf.data.Dataset.zip((a_train_ds, b_train_ds)).map(lambda a, b: ((a, b), y_train))
   # 验证集同理
   a_valid_ds = tf.data.Dataset.from_tensor_slices(x_valid)
   b_valid_ds = tf.data.Dataset.from_tensor_slices(x_valid)
   valid_ds = tf.data.Dataset.zip((a_valid_ds, b_valid_ds)).map(lambda a, b: ((a, b), y_valid))
   

   若x_train是numpy数组，也可以直接一步创建：

   train_ds = tf.data.Dataset.from_tensor_slices(((x_train, x_train), y_train))
   valid_ds = tf.data.Dataset.from_tensor_slices(((x_valid, x_valid), y_valid))
   

2. 修正代码中的中文引号
   将所有中文单引号‘’替换为英文单引号''，比如name=‘a_input’改为name='a_input'，loss=‘mse’改为loss='mse'等。

3. 修改model.fit调用
   直接传入合并后的Dataset，不需要列表形式：

   model.fit(train_ds, validation_data=valid_ds, epochs=1)
   

完整修正后的代码 #

import tensorflow as tf
from tensorflow import keras
import numpy as np

# 示例测试数据（替换为你的真实数据）
x_train = np.random.rand(100, 4, 4)
y_train = np.random.rand(100, 2)
x_valid = np.random.rand(20, 4, 4)
y_valid = np.random.rand(20, 2)

# 创建正确结构的Dataset
train_ds = tf.data.Dataset.from_tensor_slices(((x_train, x_train), y_train))
valid_ds = tf.data.Dataset.from_tensor_slices(((x_valid, x_valid), y_valid))

# 构建模型（修正引号）
a_input = keras.layers.Input(shape=(4,4), name='a_input')
x = keras.layers.Flatten()(a_input)
x = keras.layers.Dense(5)(x)

b_input = keras.layers.Input(shape=(4,4), name='b_input')
y = keras.layers.Flatten()(b_input)
y = keras.layers.Dense(5)(y)

z = keras.layers.concatenate([x,y])
z = keras.layers.Dense(2)(z)

model = keras.models.Model(inputs=[a_input, b_input], outputs=z)

model.compile(loss='mse', optimizer='adam', metrics=['mae'])
model.fit(train_ds, validation_data=valid_ds, epochs=1)

内容的提问来源于stack exchange，提问作者bric depo