在R Markdown中拟合Keras多输入模型遇无效首参数错误求助

核心错误点 #

1. 输入数据格式不匹配
   • x_train是tibble类型，Keras全连接层仅支持原子向量/矩阵格式输入，tibble的结构会触发维度赋值错误，这就是你看到Error in dim(x) <- length(x) : invalid first argument, must be vector (list or atomic)的直接原因。
   • fit函数的x参数逻辑错误：train_gen是flow_images_from_directory生成的图像生成器，本身会返回(图像数据, 标签)的批次结果，但多输入场景下不能直接将生成器放入x的列表中，Keras无法识别这种混合格式。
2. 标签参数完全错误
   模型是单输出的6分类任务，y应传入统一的分类标签，而你写的list(train_gen$classes , x_train)把表格输入当成了标签，完全不符合模型输出要求。
3. 生成器与validation_split冲突
   validation_split仅适用于内存中的完整数据集，无法和生成器配合使用，生成器场景下需要单独处理验证集数据。

修复步骤 #

1. 转换表格数据格式 #

先把tibble类型的x_train转换成矩阵：

x_train_matrix <- as.matrix(x_train)

2. 自定义多输入生成器 #

编写生成器同时返回图像数据、对应表格数据及标签：

# 初始化图像生成器（保持参数与需求一致）
train_gen <- flow_images_from_directory(
  directory = "你的图像目录路径",
  target_size = c(140,140),
  batch_size = 32,
  class_mode = "categorical",
  shuffle = TRUE
)

# 自定义多输入生成器
multi_train_gen <- function(image_generator, tab_data) {
  function() {
    image_batch <- image_generator()
    # 提取当前批次对应的表格数据
    tab_batch <- tab_data[image_generator$index_array, ]
    return(list(c(image_batch[[1]], tab_batch), image_batch[[2]]))
  }
}

# 实例化多输入生成器
train_multi_gen <- multi_train_gen(train_gen, x_train_matrix)

3. 修正模型训练代码 #

移除validation_split，若需验证集，需按同样方式准备验证用多输入生成器，通过validation_data传入：

final_history <- model %>% fit(
  x = train_multi_gen,
  steps_per_epoch = train_gen$n %/% train_gen$batch_size,
  epochs = 50 ,
  callbacks = callbacks
  # 如有验证集，添加如下配置
  # validation_data = multi_val_gen,
  # validation_steps = val_gen$n %/% val_gen$batch_size
)

4. 可选：匹配激活函数与损失函数 #

模型输出用sigmoid但损失是categorical_crossentropy，若为多分类任务，建议将输出层激活函数改为softmax：

output <- layer_concatenate(c(cnn , nn)) %>% 
  layer_dense(16) %>% 
  layer_activation("relu") %>% 
  layer_dense(6) %>% 
  layer_activation("softmax") # 替换原sigmoid

内容的提问来源于stack exchange，提问作者Stat_machine