如何在Tensorflow 2.2中训练具有多个输入的Keras模型？

Question

我想用两个输入（一个文本输入和一些数字功能）训练Keras模型，但是我很难使它工作。我已经按照Tensorflow documentation about models with multiple inputs中的说明设置了模型：

import tensorflow as tf
from tensorflow.keras import Input, Model, models, layers


def build_model():
    input1 = Input(shape=(50,), dtype=tf.int32, name='x1')
    input2 = Input(shape=(1,), dtype=tf.float32, name='x2')
    y1 = layers.Embedding(1000, 10, input_length=50)(input1)
    y1 = layers.Flatten()(y1)
    y = layers.Concatenate(axis=1)([y1, input2])
    y = layers.Dense(1)(y)
    return Model(inputs=[input1, input2], outputs=y)

构建该模型也很好：

model = build_model()
model.compile(loss='mse')
model.summary()

您可以在summary()中找到this gist的输出。

然后需要一些（虚拟）数据来拟合模型：

def make_dummy_data():
    X1 = tf.data.Dataset.from_tensor_slices(tf.random.uniform([100, 50], maxval=1000, dtype=tf.int32))
    X2 = tf.data.Dataset.from_tensor_slices(tf.random.uniform([100, 1], dtype=tf.float32))
    X = tf.data.Dataset.zip((X1, X2)).map(lambda x1, x2: {'x1': x1, 'x2': x2})
    y_true = tf.data.Dataset.from_tensor_slices(tf.random.uniform([100, 1], dtype=tf.float32))
    return X, y_true


X, y_true = make_dummy_data()
Xy = tf.data.Dataset.zip((X, y_true))
model.fit(Xy, batch_size=32)

...但是现在fit()失败，并显示一条无法理解的错误消息（请参阅full message here），该消息以（可能相关的）警告开头：]]

WARNING:tensorflow:Model was constructed with shape (None, 50) for input Tensor("x1:0", shape=(None, 50), dtype=int32), but it was called on an input with incompatible shape (50, 1).
嗯，尺寸1的额外尺寸来自何处？而且，我该如何摆脱呢？

另一件事：通过删除Embedding层进一步简化此虚拟模型确实使模型运行。

如果您想使用上述示例，我准备了a notebook on Google Colab for it。任何帮助表示赞赏。

我想用两个输入（一个文本输入和一些数字功能）训练Keras模型，但是我很难使它工作。我已经按照Tensorflow文档中关于...

Answer 1

作为fit的文档说明：