如何使用fit_generator实现多输入？能否使用两个fit_generator？

首先，你遇到的报错核心原因很明确：你的模型定义了2个输入，但传入生成器的输出只包含了1组数据（大概率是把X1和X2混在一起，或者只传了其中一个）。下面分两部分帮你解决问题：

一、正确使用单个fit_generator处理多输入 #

要让生成器适配双输入模型，你的生成器需要每次返回一个元组，其中第一个元素是包含两个输入数组的列表，第二个元素是对应标签数组。简单来说，生成器的输出格式必须是：([X1_batch, X2_batch], Y_batch)。

自定义生成器示例 #

假设你已经有加载X1、X2、Y的逻辑，这里写一个基础的自定义生成器：

import numpy as np

def multi_input_generator(X1, X2, Y, batch_size=32):
    num_samples = len(X1)
    while True:
        # 训练时随机打乱样本顺序（可选，但推荐）
        indices = np.random.permutation(num_samples)
        for i in range(0, num_samples, batch_size):
            batch_indices = indices[i:i+batch_size]
            # 提取当前批次的两个输入和对应标签
            X1_batch = X1[batch_indices]
            X2_batch = X2[batch_indices]
            Y_batch = Y[batch_indices]
            # 返回符合模型要求的格式
            yield ([X1_batch, X2_batch], Y_batch)

训练时直接传入这个生成器即可（注意：Keras 2.10+版本中fit_generator已整合到fit方法，直接用model.fit()也能兼容）：

# 假设你的双输入模型已定义完成
model.fit(
    multi_input_generator(X1, X2, Y, batch_size=32),
    steps_per_epoch=len(X1)//32,
    epochs=10
)

内置生成器（如ImageDataGenerator）的组合方式 #

如果你用ImageDataGenerator做数据增强，可以分别为X1、X2创建生成器，再通过zip组合，同时保证标签同步：

from tensorflow.keras.preprocessing.image import ImageDataGenerator

# 为两个输入分别定义数据增强规则
datagen_x1 = ImageDataGenerator(rescale=1./255, rotation_range=10)
datagen_x2 = ImageDataGenerator(rescale=1./255, width_shift_range=0.1)

# 生成输入批次，注意标签共用同一个Y，且设置相同seed保证打乱顺序一致
generator_x1 = datagen_x1.flow(X1, Y, batch_size=32, seed=42)
generator_x2 = datagen_x2.flow(X2, Y, batch_size=32, seed=42)

# 包装成符合要求的生成器
def combined_generator():
    for (x1_batch, y_batch), (x2_batch, _) in zip(generator_x1, generator_x2):
        yield ([x1_batch, x2_batch], y_batch)

# 启动训练
model.fit(
    combined_generator(),
    steps_per_epoch=len(X1)//32,
    epochs=10
)

二、能不能使用两个fit_generator？ #

答案是绝对不可以。Keras的模型训练过程中，只能接收一个统一的数据源（生成器或数据数组）来同步提供所有输入和对应的标签。如果用两个fit_generator，模型无法将两个生成器的输入与标签正确匹配，会直接导致输入-标签错位，甚至抛出新的格式错误。必须把两个输入整合到同一个生成器的输出里，或者像上面那样用zip组合后包装成单一生成器。

额外注意事项 #

• 确保X1和X2的样本数量完全一致，否则生成器迭代时会出现长度不匹配的问题；
• 如果使用数据打乱，要保证两个输入的打乱顺序完全同步（比如设置相同的seed，或者在自定义生成器中统一打乱索引），避免输入和标签错位。

内容的提问来源于stack exchange，提问作者김태형