Я хочу кормить нейронную сеть двумя входами.
Первый набор данных (элементы) будет иметь фиксированную форму (20, 1), что означает, что он будет одинаковым как для фазы обучения, так и для фазы тестирования (он никогда не изменится). Он состоит из значений от 1 до 100.
Второй входной набор данных будет состоять из 20 двоичных объектов (столбцов) и N данных (форма: (N, 20)), и каждая строка этого набора данных будет указывать, какие строки набора данных элементов были объединены.
Вывод будет иметь форму (N, 1) и будет результатом сочетания соответствующих элементов после применения к ним определенной функции.
Я знаю, как построить модель с несколькими входами, когда у нас одинаковое количество строк в обоих наборах данных, и мой подход пока такой:
# define two sets of inputs
inputA = Input(shape=(1,))
inputB = Input(shape=(elements.shape[0],))
# the first branch operates on the first input
x = Dense(100, activation="relu")(inputA)
x = Dense(50, activation="relu")(x)
x = Model(inputs=inputA, outputs=x)
# the second branch opreates on the second input
y = Dense(100, activation="relu")(inputB)
y = Dense(100, activation="relu")(y)
y = Dense(50, activation="relu")(y)
y = Model(inputs=inputB, outputs=y)
# combine the output of the two branches
combined = concatenate([x.output, y.output])
# apply a FC layer and then a regression prediction on the
# combined outputs
z = Dense(50, activation="relu")(combined)
z = Dense(1, activation="linear")(z)
# our model will accept the inputs of the two branches and
# then output a single value
model = Model(inputs=[x.input, y.input], outputs=z)
model.compile(loss="mean_squared_error", optimizer=Adam())
# train the model
print("[INFO] training model...")
model.fit([elements, X_train], y_train, epochs=200, verbose=1)
Однако, поскольку набор данных «elements» является фиксированным, строки 1-го ввода отличаются от строк 2-го ввода. Возникает следующая ошибка.
ValueError: All input arrays (x) should have the same number of samples. Got array shapes: [(20, 1), (33, 20)]
Вы знаете, как я мог преодолеть эту проблему?