Классификация текстовых документов CNN с Keras: Как соответствовать модели "независимых слоев двух входов"

Question

У меня есть модель CNN, которая вводит два независимых документа и выполняет сверточный слой и слой объединения по отдельности. После объединения слоя он объединяет две объединенные карты объектов и передает их на один полностью связанный слой. Модель может быть успешно скомпилирована. Однако, сейчас, У меня проблема с подгонкой моей модели при работе с историей поезда.

Основная идея моей проблемы заключается в следующем: Как изменить x_train на x_train1 и x_train2. x_test к x_test1 и x_test2. Пока y_train и y_test остаются прежними.

Я ссылаюсь на этот шаблон с сайта:

** history = model.fit (X_train, y_train, epochs = 100, verbose = False, validation_data = (X_test, y_test), batch_size = 10) **

# fit the model method 1
train_history = model.fit(train_data = (X_train1, X_train2), 
                      validation_data=(x_test1, x_test2), epochs=8, batch_size=8, verbose=1) 

# =================

# fit the model method 2
train_history = model.fit(x = [x_train1, x_train2], y = [y_train], validation_split=0.2, validation_data=[[x_test1, x_test2], [y_test]], epochs=8, batch_size=8, verbose=1) 

• Ошибка массажа первого метода 1:

  Нераспознанные аргументы ключевого слова: {'train_data': ([['.....'......}

• Ошибка массажа первого метода 2:

  ValueError: Ошибка при проверке ввода: ожидалось, что input_1 будет иметь форму (10,), но получил массив с формой (1,)

каждый вид данных x_train и x_test представляет собой длинный список, содержащий много строк; тогда как y_train и y_test также представляют собой список отображений со строкой в ​​x_test / x_train для конкретной метки, метка выглядит так, если бы она классифицировалась на 3 типа: [0,0,1], [0,1,0 ], [1,0,0]

Я надеюсь, что подойдет для модели.