与输入维度相关的多输入 Keras 模型出现错误

Question

我有一个多输入 Keras 模型。这里的输入：

[<tf.Tensor 'input_1:0' shape=(None, 256, 256, 3) dtype=float32>,

 <tf.Tensor 'input_2:0' shape=(None, 256, 256, 3) dtype=float32>,

 <tf.Tensor 'input_3:0' shape=(None, 256, 256, 3) dtype=float32>,

 <tf.Tensor 'input_4:0' shape=(None, 256, 256, 3) dtype=float32>]

这里是模型的输入形状：

[(None, 256, 256, 3),

 (None, 256, 256, 3),

 (None, 256, 256, 3),

 (None, 256, 256, 3)]

训练数据形状如下：

(4, 422, 256, 256, 3)

4 = number of inputs (consist of appended arrays together).

422 = number of training images in each input.

256, 256, 3 = shape of the images

当我调用该fit函数时：

model.fit(train_x, train_y, validation_split=0.20, epochs=5, batch_size=3)

出现以下错误：

ValueError：层 conv1_pad_0 的输入 0 与该层不兼容：预期 ndim=4，发现 ndim=5。收到的完整形状：[3, 422, 256, 256, 3]

我已经尝试过这篇文章中给出的解决方案，但我发现基数不匹配。

ValueError：数据基数不明确：

我尝试过像下面这样传递火车数据，它有效：

model.fit([train_x[0], train_x[1], train_x[2], train_x[3]], train_y, validation_split=0.20, epochs=5, batch_size=3)

现在，如果我想将模型扩展到 20 个输入，上面的代码行将会出现问题。

更新：

该模型基于预训练的ResNet50，所有输入都是没有顶层的 resnet50 ，并从以下三层开始：

input_1_0 (InputLayer)        [(None, 256, 256, 3) 0  

conv1_pad_0 (ZeroPadding2D)   (None, 262, 262, 3)  0           input_1_0[0][0]

conv1_conv_0 (Conv2D)         (None, 128, 128, 64) 9472        conv1_pad_0[0][0]   

用于训练/测试模型的数据处理如下：

for row in np.array(tmp_data):

        row = images_preprocessing(row) # Depends on the model used

        train_x, test_x, train_y, test_y = split_data(row, target) # Here the train_test_split is used

        

        train_X.append(train_x)

        test_X.append(test_x)

        train_Y.append(train_y)

        test_Y.append(test_y)

Answer 1

尝试train_x_list&nbsp;=&nbsp;[tf.squeeze(tx)&nbsp;for&nbsp;tx&nbsp;in&nbsp;tf.split(train_x,&nbsp;num_or_size_splits=train_x.shape[0],&nbsp;axis=0)]它将生成一个张量列表，其中训练数据沿维度 0 分割。然后使用第二个解决方案，将列表提供给fit()。