嘿,我想建立一个Keras模型,有多个不同形状的输入。 这是我的模型:
input_shape_board = (8,8,12)
input_board = tf.keras.Input(shape = input_shape_board, name = "board_input")
input_shape_legal = (1984)
input_legal = tf.keras.Input(shape = input_shape_legal, name = "legal_input")
a = layers.Dense(64)(input_board)
a = tf.keras.layers.LeakyReLU(alpha=0.01)(a)
a = layers.Dense(64)(a)
a = layers.Flatten()(a)
b = layers.Conv2D(64, 4, activation='relu')(input_board)
b = layers.MaxPooling2D((4,4))(b)
b = layers.Flatten()(b)
c = layers.Dense(200, activation='relu')(input_legal)
d = layers.Concatenate()([a,b,c])
d = layers.Dense(1984)(d)
outputs = layers.Activation('sigmoid')(d)
model = tf.keras.Model(inputs=(input_board, input_legal), outputs=outputs)
我稍后会使用(某种程度上-使用适应值)以下内容进行培训:
board_array_onehot = np.ones((1,8,8,12))
tmp_arr_legal = np.ones((1984))
inputs = (board_array_onehot, tmp_arr_legal[0])
arr_predictions = models[active].predict(inputs)
我已确保所有输入都是numpy数组,但现在出现以下错误:
ValueError: Failed to find data adapter that can handle input: (<class 'tuple'> containing values of types {"<class 'numpy.float64'>", "<class 'numpy.ndarray'>"}), <class 'NoneType'>
我已经尝试了几种不同的方法来使用这个括号和我的输入,但是仍然不起作用。非常感谢您的帮助
在这个模型的tensorflow中,我通过在fed输入前增加一个额外的维度来解决它
因此,虽然我已经定义了:
事实上,我必须喂养:
但我不明白为什么
相关问题 更多 >
编程相关推荐