Keras ValueError：没有为“添加”提供数据。需要每个键的数据：['add'] 使用模型 API答案

【问题标题】：Keras ValueError: No data provided for "add". Need data for each key in: ['add'] using Model APIKeras ValueError：没有为“添加”提供数据。需要每个键的数据：['add'] 使用模型 API
【发布时间】：2020-09-21 18:37:31
【问题描述】：

我想使用 Keras 进行二元分类。以下是我的代码：

input1 = tf.keras.Input(batch_size=batch_size, shape=(len1,))
output1 = tf.keras.layers.Dense(units=1, kernel_initializer='glorot_uniform')(input1)
input2 = tf.keras.Input(batch_size=batch_size, shape=(len2,))
output2 = tf.keras.layers.Dense(units=1, kernel_initializer='glorot_uniform')(input2)
inputs = [input1, input2]
outputs = [output1, output2]
logits = tf.keras.layers.Add()(outputs)
model = tf.keras.Model(inputs=inputs, outputs=logits)
model.compile(optimizer=tf.keras.optimizers.Adagrad(learning_rate=0.001),
              loss=tf.keras.losses.BinaryCrossentropy(from_logits=True))

这会给我错误ValueError: No data provided for "add". Need data for each key in: ['add']

我试过logits = tf.keras.layers.add(outputs)，这会报同样的错误。

但是如果在logits = tf.keras.layers.Add()(outputs)之后我使用：

probs = tf.keras.layers.Softmax()(logits)
model = tf.keras.Model(inputs=inputs, outputs=probs)
model.compile(optimizer=tf.keras.optimizers.Adagrad(learning_rate=0.001),
              loss=tf.keras.losses.BinaryCrossentropy())

它会起作用的。我正在使用张量流 2.0

这里发生了什么？

【问题讨论】：

对我来说没问题。版本 2.2.0

标签： python tensorflow machine-learning keras deep-learning

【解决方案1】：

我在这里使用 tf.dataset。事实证明，我需要为张量指定正确的输入和输出名称，因为 tf.dataset 在将数据提供给 keras 时正在寻找这些名称。

所以input1和input2应该有输入特征的对应名称，并且由于标签命名为label，所以应该是logits = tf.keras.layers.Add(name="label")(outputs)

【讨论】：