我正在使用Keras的函数式API处理尺寸为(224, 224, 3)的输入图像。我使用函数式API构建了以下模型，尽管顺序模型似乎也会出现类似的问题：
input = Input(shape=(224, 224, 3,))shared_layers = Dense(16)(input)model = KerasModel(input=input, output=shared_layers)model.compile(loss='binary_crossentropy', optimizer='sgd', metrics='accuracy'])我在调用model.fit_generator时，我的生成器具有以下结构：
yield ({'input_1': image}, {'output': classification}) image是尺寸为(224, 224, 3)的输入图像，而classification的值在{-1,1}之间。
在拟合模型时，我遇到了以下错误：
ValueError: 未为"dense_1"提供数据。需要为以下键提供数据：['dense_1']奇怪的是，如果我将字典中的input_1目标更改为dense_1，错误会变成缺少input_1的输入，但如果数据生成器中包含这两个键，则错误又会变回缺少dense_1。
无论我是调用fit_generator还是从生成器获取批次并调用train_on_batch，都会发生这种情况。
有谁知道这是怎么回事吗？据我所知，这应该和文档中给出的示例相同，只是输入尺寸不同。
完整的追溯信息：Traceback (most recent call last): File "pymask.py", line 303, in <module> main(sys.argv) File "pymask.py", line 285, in main keras.callbacks.ProgbarLogger() File "/home/danielunderwood/virtualenvs/keras/lib/python3.6/site-packages/keras/engine/training.py", line 1557, in fit_generator class_weight=class_weight) File "/home/danielunderwood/virtualenvs/keras/lib/python3.6/site-packages/keras/engine/training.py", line 1314, in train_on_batch check_batch_axis=True) File "/home/danielunderwood/virtualenvs/keras/lib/python3.6/site-packages/keras/engine/training.py", line 1029, in _standardize_user_data exception_prefix='model input') File "/home/danielunderwood/virtualenvs/keras/lib/python3.6/site-packages/keras/engine/training.py", line 52, in standardize_input_data str(names))ValueError: 未为"input_1"提供数据。需要为以下键提供数据：['input_1']回答：
这是因为我误解了Keras输出的工作原理。通过Model的output参数指定的层需要从数据中获取输出。我误以为数据字典中的output键会自动传递到output参数指定的层。
