我尝试将一个项目转换为使用生成器的单一网络，具有多个输出，但当使用生成器时，我无法弄清楚如何让多个输出正常工作。以下是一个最小可验证的代码片段：
import numpy as npimport tensorflow as tffrom tensorflow import kerasfrom tensorflow.keras import layers, modelsdef generate_sample(): x = list("123456789") y = list("2345") while 1: yield np.array(x).astype(np.float32),[np.array(y).astype(np.float32),np.array(y).astype(np.float32)]dataset = tf.data.Dataset.from_generator(generate_sample, output_signature=( tf.TensorSpec(shape=(9,), dtype=tf.float32), tf.TensorSpec(shape=(2,4), dtype=tf.float32) ))dataset = dataset.batch(batch_size=32)inputs = keras.Input(shape=(next(generate_sample())[0].shape))x = layers.Dense(512, activation = "relu")(inputs)x_outputs = layers.Dense(4, activation="relu", name="output")(x)y_outputs = layers.Dense(4, activation="relu", name="output2")(x)model = keras.Model(inputs=inputs, outputs=[x_outputs,y_outputs])model.compile(loss="mse", optimizer = "adam", metrics=['accuracy'])history = model.fit(dataset, epochs=1, steps_per_epoch=10, validation_data=dataset, validation_steps=5)这导致了一个非常长的错误，最后一部分是：
InvalidArgumentError: Incompatible shapes: [32,2,4] vs. [32,4]
[[node mean_squared_error/SquaredDifference (defined at:1) ]][Op:__inference_train_function_8957]Function call stack: train_function
我尝试使用output_shape、output_signature等，以我能想到的所有方式重塑数据。但无论如何，我仍然遇到形状问题。
我在这里错过了什么明显的东西，还是在使用生成器作为数据集来源的fit中有什么问题？例如，当我从内存中加载数据时，我没有遇到这个问题。
回答：
模型的输出不是形状为(2,4)的一个张量，而是形状为(4)的两个张量。
您应该更改生成器函数以反映这一点：
def generate_sample(): x = list("123456789") y = list("2345") while 1: yield np.array(x).astype(np.float32),(np.array(y).astype(np.float32),np.array(y).astype(np.float32))以及您的输出签名：
dataset = tf.data.Dataset.from_generator(generate_sample, output_signature=( tf.TensorSpec(shape=(9,), dtype=tf.float32), (tf.TensorSpec(shape=(4,), dtype=tf.float32), tf.TensorSpec(shape=(4,), dtype=tf.float32)), ))请注意，生成器的输出是一个嵌套的元组。
