Я строю модель Keras, которая имеет несколько входов с различными формами.
input_img = Input(shape=(728,))
input_1 = Input(shape=(1,))
input_2 = Input(shape=(1,))
x = (Dense(48,kernel_initializer='normal',activation="relu"))(input_img)
x = (Dropout(0.2))(x)
x = (Dense(24,activation="tanh"))(x)
x = (Dropout(0.3))(x)
x = (Dense(1))(x)
x = keras.layers.concatenate([x, input_1, input_2])
x = (Activation("sigmoid"))(x)
cnn = Model(inputs = [input_img, input_1, input_2], outputs = x)
cnn.compile(loss="binary_crossentropy", optimizer='adam')
Я пытался определить вход как
inputs = (X_train.reshape(10000,728), input_1[0:10000], input_2[0:10000])
И когда я пытаюсь тренироваться, я получаю ошибку
AttributeError: 'tuple' object has no attribute 'ndim'
Я пытался повернуть входы однако в массив numpy я получаю еще одну ошибку
ValueError: could not broadcast input array from shape (10000,728) into shape (10000)
Как обучить эту модель с несколькими входами, если они имеют разные формы? Кажется, что все, что я пробовал, привело к некоторому типу ошибки.