Keras使用fit_generator训练时model_5期望2输入却收3张量错误如何解决

架构老林

2026-10-3

错误原因

你的图像字幕生成模型为双输入结构（常规设计为图像特征输入+已生成文本序列输入），仅需要接收2个输入张量，但你的data_generator返回了3个独立张量，Keras会默认将生成器返回的所有张量识别为模型输入，因此触发输入数量不匹配的报错，多出的1个张量实际是训练用的目标标签。

修复方案

调整data_generator的返回格式，将两个输入张量打包为列表，与目标标签组成二元组返回即可，参考修改后的生成器核心逻辑：

def data_generator(train_descriptions, train_features, tokenizer, max_length):
    # 你原有数据处理逻辑保持不变
    while 1:
        # 生成单批次的三个张量
        batch_img_feature = 批次图像特征张量 # 模型第一个输入
        batch_seq = 批次文本序列张量 # 模型第二个输入
        batch_target = 批次下一词标签张量 # 训练目标
        # 错误写法：直接返回三个张量 return batch_img_feature, batch_seq, batch_target
        # 正确写法：打包为 (输入列表, 目标) 的二元组
        yield [batch_img_feature, batch_seq], batch_target

修改生成器后无需调整你现有训练循环的代码，重新运行训练即可正常执行。