TensorFlow多输入输出模型训练需递增input编号问题咨询

开发者阿泽

2026-10-1

问题原因

该问题是Keras输入层的默认命名规则导致的：你没有给模型的输入层设置显式名称时，Keras会按创建顺序给输入层自动分配input_序号格式的默认名称，每在同一个Python进程中创建一次输入层，序号就会自动累加。因为你的模型有2个输入，所以每次重建模型后，输入层名称的序号都会递增2，和你之前写死在数据集里的input_17、input_18无法匹配，才会要求你修改编号。

可行解决方案

方案1：给输入层设置固定名称（最推荐）

在定义模型的输入层时，通过name参数指定固定的自定义名称，后续数据集字典的key和该名称保持一致即可，无论重建多少次模型都不会出现不匹配问题：

# 示例：定义输入层时添加name参数
input_time = tf.keras.Input(shape=(你的输入形状,), name="input_time")
input_a = tf.keras.Input(shape=(你的输入形状,), name="input_a")

# 构造数据集时直接用你定义的固定名称做key
train_dataset = tf.data.Dataset.from_tensor_slices(
    (
        {"input_time": timetr, "input_a": atr},
        {"ed": wtr, "sd": wbtr},
    )
)

方案2：动态获取模型输入名称构造数据集

如果不想修改模型定义，可以在构造数据集前，直接从已构建的模型对象中获取输入层的实际名称，自动适配编号：

# 构建完模型后获取输入层名称列表，顺序和你定义输入层的顺序一致
input_names = model.input_names
# 直接用动态获取的名称构造字典
train_dataset = tf.data.Dataset.from_tensor_slices(
    (
        {input_names[0]: timetr, input_names[1]: atr},
        {"ed": wtr, "sd": wbtr},
    )
)
train_dataset = train_dataset.batch(10)