Keras多输入模型疑问：输入拼接合理性及predict调用报错问题

1. 输入拼接方式的正确性 #

你的输入拼接方式是正确的，Concatenate(axis=1)会把两个形状为(None,1)的输入张量拼接成(None,2)的张量，网络会将这两个位置的特征视为不同的输入维度，完全可以学习到它们和输出之间的关联。

如果想要更明确地区分两个输入，也可以给每个输入单独加一层Dense再合并，但当前的拼接方式已经能满足需求，不需要额外修改。

另外注意你代码里开头定义的Sequential模型model = tf.keras.Sequential([l0])被后面的多输入模型覆盖了，属于冗余代码，可以直接删除。

2. model.predict()调用错误的解决 #

报错的核心原因是输入格式不符合多输入模型的要求：

• 你的模型是双输入结构，需要传入一个包含两个输入数据的列表，且每个输入的形状要和训练时一致（训练时输入是形状为(N,1)的数组，预测时每个输入也要是(1,1)的二维数组，不能直接传单个整数）。
• 修正后的调用代码如下：

# 把输入转换成符合要求的二维数组格式
input_data1 = np.array([[11]])
input_data2 = np.array([[2]])
print(model.predict([input_data1, input_data2]))

或者更简洁的写法：

print(model.predict([np.array([[11]]), np.array([[2]])]))

另外，训练时你的样本量只有5个，batch_size=16会导致每个epoch只处理一次批量（因为样本数小于batch size），可以把batch_size调小到5或者直接去掉，让模型每次处理所有样本。

内容的提问来源于stack exchange，提问作者tree.3