Keras: ValueError: Ошибка при проверке ввода модели: список Numpy массивов, которые вы передаете в вашу модель, не соответствует размеру, который ожидала модель

Question

У меня просто были проблемы с созданием сети, и я не могу получить входные данные, форма тензоров такая же, как мне нужна в моем проекте. Но я продолжаю получать эту ошибку. ValueError: Ошибка при проверке входных данных модели: список Numpy массивов, передаваемых в вашу модель, отличается от ожидаемого размера модели. Ожидается увидеть 2 массива (ов) для входов ['input_1', 'input_2'], но вместо этого получит следующий список из 1 массивов: [array ([[[[[[0, 0, 0], [0, 0, 0], [0, 0, 0]],

     [[0, 0, 0],
      [0, 0, 0],
      [0, 0, 0]],

     [[0, 0, 0],
      [0, 0, 0],
      [0, 0, 0]]],

Вот мой код

x1_train = [[[[0, 0, 0],[0, 0, 0],[0, 0, 0]],[[0, 0, 0],[0, 0, 0],[0, 0, 0]],[[0, 0, 0],[0, 0, 0],[0, 0, 0]]],[[[0, 0, 0],[0, 0, 0],[0, 0, 0]],[[0, 0, 0],[0, 0, 0],[0, 0, 0]],[[0, 0, 0],[0, 0, 0],[0, 0, 0]]]]
y_train = [[0.3]]

# define two sets of inputs
inputA = tf.keras.Input(shape=(3,3,3))
inputB = tf.keras.Input(shape=(3,3,3))
# the first branch operates on the first input
x = tf.keras.layers.Dense(8, activation="relu")(inputA)
x = tf.keras.layers.Dense(4, activation="relu")(x)
x = tf.keras.Model(inputs=inputA, outputs=x)
# the second branch opreates on the second input
y = tf.keras.layers.Dense(64, activation="relu")(inputB)
y = tf.keras.layers.Dense(32, activation="relu")(y)
y = tf.keras.layers.Dense(4, activation="relu")(y)
y = tf.keras.Model(inputs=inputB, outputs=y)
# combine the output of the two branches
combined = tf.keras.layers.concatenate([x.output, y.output])
# apply a FC layer and then a regression prediction on the
# combined outputs
z = tf.keras.layers.Dense(2, activation="relu")(combined)
z = tf.keras.layers.Dense(1, activation="sigmoid")(z)
# our model will accept the inputs of the two branches and
# then output a single value
model = tf.keras.models.Model(inputs=[x.input, y.input], outputs=z)

model.compile(optimizer='adam',
              loss='mean_absolute_percentage_error', #mean_absolute_percentage_error
              metrics=['accuracy'])

model.fit(x=[x_train, x1_train], y=y_train, epochs = 1)````


I get the error message 
ValueError: Error when checking model input: the list of Numpy arrays that you are passing to your model is not the size the model expected. Expected to see 2 array(s), for inputs ['input_1', 'input_2'] but instead got the following list of 1 arrays:

Answer 1

Ваши входные массивы должны быть NumPy массивами, а не списками. Таким образом, вы можете иметь:

import numpy as np

x1_train = np.array([
    [[[0, 0, 0],[0, 0, 0],[0, 0, 0]],
     [[0, 0, 0],[0, 0, 0],[0, 0, 0]],
     [[0, 0, 0],[0, 0, 0],[0, 0, 0]]],
    [[[0, 0, 0],[0, 0, 0],[0, 0, 0]],
     [[0, 0, 0],[0, 0, 0],[0, 0, 0]],
     [[0, 0, 0],[0, 0, 0],[0, 0, 0]]]])
x_train = x1_train
y_train = np.array([[0.3], [0.3]])

Тогда вы больше не получите эту ошибку. Тем не менее, обучение по-прежнему не удается, поскольку форма меток в y_train (num_examples x 1) не соответствует форме вывода модели (num_examples x 3 x 3 x 1), но это другая проблема.