У меня есть модель Keras с 1 входом и 2 выходами в TensorFlow 2. При вызове model.fit
я хочу передать набор данных как x=train_dataset
и вызвать model.fit
один раз. train_dataset
сделан с tf.data.Dataset.from_generator
, что дает: x1, y1, y2.
Единственный способ, которым я могу запустить обучение, заключается в следующем:
for x1, y1,y2 in train_dataset:
model.fit(x=x1, y=[y1,y2],...)
Как сказать TensorFlow: распаковывать переменные и тренироваться без явного for
l oop? Использование for
l oop делает многие вещи менее практичными, а также использование train_on_batch
.
Если я хочу запустить model.fit(train_dataset, ...)
, функция не понимает, что x
и y
есть, даже модель определяется как:
model = Model(name ='Joined_Model',inputs=self.x, outputs=[self.network.y1, self.network.y2])
Выдает ошибку, что ожидает 2 цели при получении 1, даже в наборе данных есть 3 переменные, которые можно повторять через l oop.
Набор данных и мини-пакет генерируются как:
def dataset_joined(self, n_epochs, buffer_size=32):
dataset = tf.data.Dataset.from_generator(
self.mbatch_gen_joined,
(tf.float32, tf.float32,tf.int32),
(tf.TensorShape([None, None, self.n_feat]),
tf.TensorShape([None, None, self.n_feat]),
tf.TensorShape([None, None])),
[tf.constant(n_epochs)]
)
dataset = dataset.prefetch(buffer_size)
return dataset
def mbatch_gen_joined(self, n_epochs):
for _ in range(n_epochs):
random.shuffle(self.train_s_list)
start_idx, end_idx = 0, self.mbatch_size
for _ in range(self.n_iter):
s_mbatch_list = self.train_s_list[start_idx:end_idx]
d_mbatch_list = random.sample(self.train_d_list, end_idx-start_idx)
s_mbatch, d_mbatch, s_mbatch_len, d_mbatch_len, snr_mbatch, label_mbatch, _ = \
self.wav_batch(s_mbatch_list, d_mbatch_list)
x_STMS_mbatch, xi_bar_mbatch, _ = \
self.training_example(s_mbatch, d_mbatch, s_mbatch_len,
d_mbatch_len, snr_mbatch)
#seq_mask_mbatch = tf.cast(tf.sequence_mask(n_frames_mbatch), tf.float32)
start_idx += self.mbatch_size; end_idx += self.mbatch_size
if end_idx > self.n_examples: end_idx = self.n_examples
yield x_STMS_mbatch, xi_bar_mbatch, label_mbatch