TensorFlow融合文本与数值特征报错：模型期望2个输入仅收到1个张量

你定义的Keras模型为双输入结构，要求同时传入两类独立的输入张量，但你训练时提前把NLP特征和数值特征拼接成了单个张量传入，和模型预期的输入数量不匹配，因此触发报错。

• 第一步：删除提前拼接特征的冗余代码
  删掉以下两行，特征拼接逻辑已经在模型内部通过tf.concat([nlp_out, meta_input], 1)实现，不需要提前手动拼接：

  data_train = np.concatenate((nlp_train,numeric_train), axis=1)
  data_test = np.concatenate((nlp_test,numeric_test), axis=1)
  

• 第二步：调整model.fit的入参格式
  按照模型定义时的输入顺序（先NLP特征、再数值特征），传入由两个数组组成的列表作为输入，修改后的fit代码如下：

  print('Training model...')
  r = model.fit(
    [nlp_train, numeric_train], # 按顺序传入两个独立输入
    y_train,
    epochs=5, 
    validation_data=([nlp_test, numeric_test], y_test) # 验证集输入也调整为列表格式
  )
  

两个输入的顺序必须和你定义Model(inputs=[nlp_input, meta_input], outputs=[x])时的顺序严格对应，不能调换，否则会出现特征错位的问题。你代码里nlp_train和numeric_train的样本数已经对齐，不需要额外调整。

内容的提问来源于stack exchange，提问作者JLuu