我想向神经网络输入两个数据集。第一个数据集（元素）具有固定的形状（20, 1），这意味着在训练和测试阶段它都是相同的（它永远不会改变）。它包含1到100之间的值。第二个输入数据集将包含20个二进制特征（列）和N个数据（形状：(N,20)），并且该数据集的每一行将指示元素数据集的哪些行被组合。输出将具有形状（N,1），它将是相应元素组合的结果，在对它们应用特定函数之后。

我知道如何构建具有相同行数的多个输入的模型，我的当前方法如下：

# define two sets of inputsinputA = Input(shape=(1,))inputB = Input(shape=(elements.shape[0],))# the first branch operates on the first inputx = Dense(100, activation="relu")(inputA)x = Dense(50, activation="relu")(x)x = Model(inputs=inputA, outputs=x)# the second branch opreates on the second inputy = 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 branchescombined = concatenate([x.output, y.output])# apply a FC layer and then a regression prediction on the# combined outputsz = 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 valuemodel = Model(inputs=[x.input, y.input], outputs=z)model.compile(loss="mean_squared_error", optimizer=Adam())# train the modelprint("[INFO] training model...")model.fit([elements, X_train], y_train, epochs=200, verbose=1)

然而，由于“元素”数据集是固定的，第一个输入的行数与第二个输入的行数不同，会出现以下错误。

ValueError: All input arrays (x) should have the same number of samples. Got array shapes: [(20, 1), (33, 20)]

你知道如何克服这个问题吗？

回答：

简短的回答是，所有输入（和输出）的batch_size必须相同。但没有什么能阻止你为批次中的每个条目重复你的（20, 1）数据集，从而导致形状变为（N, 20, 1）。

请注意，正如这个线程中的其他人所指出的，这种方法似乎是不正确的做法。