ValueError：数据基数不明确。请提供具有相同第一维度的数据

Question

我正在尝试创建一个具有多个输入分支的 keras 模型，但 keras 不喜欢输入具有不同的大小。

这是一个最小的例子：

import numpy as np

from tensorflow import keras
from tensorflow.keras import layers


inputA = layers.Input(shape=(2,))
xA = layers.Dense(8, activation='relu')(inputA)

inputB = layers.Input(shape=(3,))
xB = layers.Dense(8, activation='relu')(inputB)

merged = layers.Concatenate()([xA, xB])

output = layers.Dense(8, activation='linear')(merged)    

model = keras.Model(inputs=[inputA, inputB], outputs=output)


a = np.array([1, 2])
b = np.array([3, 4, 5])    

model.predict([a, b])

这会导致错误：

ValueError: Data cardinality is ambiguous:
  x sizes: 2, 3
Please provide data which shares the same first dimension.

在 keras 中是否有更好的方法来做到这一点？我已经阅读了引用相同错误的其他问题，但我并不真正理解我需要更改什么。

Answer 1

您需要以正确的格式传递数组...（n_batch，n_feat）。简单的重塑足以创建批次维度

import numpy as np
from tensorflow import keras
from tensorflow.keras import layers


inputA = layers.Input(shape=(2,))
xA = layers.Dense(8, activation='relu')(inputA)

inputB = layers.Input(shape=(3,))
xB = layers.Dense(8, activation='relu')(inputB)

merged = layers.Concatenate()([xA, xB])

output = layers.Dense(8, activation='linear')(merged)    

model = keras.Model(inputs=[inputA, inputB], outputs=output)


a = np.array([1, 2]).reshape(1,-1)
b = np.array([3, 4, 5]).reshape(1,-1)

model.predict([a, b])