TensorFlow中拼接含LSTM的双子模型：输入输出定义及代码运行求助

原代码存在的核心问题 #

• sub_model1函数返回值错误：model.add()方法返回None，导致model1、model2无法作为有效层参与后续拼接
• 未定义模型输入层：多分支模型需为每个分支创建独立Input层，明确输入维度
• 训练数据传入逻辑错误：多输入模型训练时需传入对应分支的训练数据列表

修正后的完整代码 #

import numpy as np
import tensorflow as tf
from keras.models import Sequential, Model
from keras.layers import Dense, LSTM, Input, concatenate

# 生成模拟训练数据
X_train1 = np.random.randint(10, size=(10, 20, 28))
X_train2 = np.random.randint(10, size=(10, 10, 28))
# 最终输出为28维标签，这里以Y_train作为示例训练目标
Y_train = np.random.randint(10, size=(10, 28))

# 重构子模型：接收输入形状与输出维度，返回完整模型
def build_sub_model(input_shape, output_dim):
    model = Sequential()
    model.add(LSTM(100, activation='linear', input_shape=input_shape, return_sequences=True))
    model.add(LSTM(32, activation='linear', return_sequences=False))
    model.add(Dense(100, activation='linear'))
    model.add(Dense(output_dim, activation='linear'))
    return model

# 定义两个分支的输入层，匹配各自训练数据的维度
input1 = Input(shape=(X_train1.shape[1], X_train1.shape[2]))
input2 = Input(shape=(X_train2.shape[1], X_train2.shape[2]))

# 构建子模型并连接到对应输入层
sub_model1 = build_sub_model((X_train1.shape[1], X_train1.shape[2]), 28)
sub_model2 = build_sub_model((X_train2.shape[1], X_train2.shape[2]), 28)
output1 = sub_model1(input1)
output2 = sub_model2(input2)

# 拼接两个子模型的输出结果
concat_layer = concatenate([output1, output2])
# 定义最终输出层
final_output = Dense(28, activation="linear")(concat_layer)

# 构建完整模型：指定输入集合与最终输出
model = Model(inputs=[input1, input2], outputs=final_output)

# 编译模型
model.compile(optimizer='adam', loss='mean_squared_error', metrics=['MAE'])

# 训练模型：传入两个分支的训练数据与目标标签
history = model.fit([X_train1, X_train2], Y_train, epochs=2, batch_size=10)

关键修正说明 #

1. 子模型函数返回完整的Sequential模型，避免返回None导致的拼接错误
2. 通过Input层明确每个分支的输入形状，符合Keras函数式API的多分支模型构建规范
3. 训练时传入输入数据列表[X_train1, X_train2]，与模型定义的输入层一一对应
4. 调整batch_size为10（匹配训练数据总量），避免批次大小超出数据量的报错

内容的提问来源于stack exchange，提问作者Sadcow