我在尝试将多个输入传递给模型时遇到了问题。模型有两个输入

• 噪声图像，形状为(256, 256, 3)
• 输入图像，形状为(256, 256, 3)

和一个输出

• 输出图像，形状为(256, 256, 3)

我通过ImageDataGenerator生成图像：

x_data_gen = ImageDataGenerator(    horizontal_flip=True,    validation_split=0.2)

我通过Python生成器生成样本：

def image_sampler(datagen, batch_size, subset="training"):    for imgs in datagen.flow_from_directory('data/r_cropped', batch_size=batch_size, class_mode=None, seed=1, subset=subset):        g_y = []        noises = []        bw_images = []        for i in imgs:            # 将原始图像添加到预期输出中            g_y.append(i/255.0)            noises.append(generate_noise(1, 256, 3)[0])            bw_images.append(iu_rgb2gray(i))        yield(np.array([noises, bw_images]), np.array(g_y))

当尝试用以下代码训练模型时：

    generator.fit_generator(       image_sampler(x_data_gen, 32),       validation_data=image_sampler(x_data_gen,32,"validation"),       epochs=EPOCHS,       steps_per_epoch= 540,       validation_steps=160 )

我收到了以下错误信息：

检查模型输入时出错：您传递给模型的Numpy数组列表大小与模型期望的不符。预期看到2个数组，但实际上得到了以下1个数组的列表

虽然错误信息很清楚，但我不知道如何修改生成过程来解决这个问题。

我尝试过：

    yield([noises, bw_images], np.array(g_y))

但这不起作用，因为它会导致另一个错误：

AttributeError: ‘list’ object has no attribute ‘shape’

我遗漏了什么？

回答：

当您有多个输入/输出时，您应该将它们作为numpy数组的列表传递。因此，您的第二种方法是正确的，但在第二种方法中您忘记了将列表转换为numpy数组：

yield ([np.array(noises), np.array(bw_images)], np.array(g_y))

为了确保一切正确，更详细的方法是为输入和输出层选择名称。例如：

input_1 = layers.Input(# 其他参数, name='input_1')input_2 = layers.Input(# 其他参数, name='input_2')

然后，在您的生成器函数中像这样使用这些名称：

yield ({'input_1': np.array(noises), 'input_2': np.array(bw_images)}, {'output': np.array(g_y)})

通过这样做，您可以确保映射正确完成。