java计算指标项模型_图模型评估指标错误

我正在尝试使用simple examples学习Keras GraphNN . 我有一个简单的示例数据集，包含784个功能，我想运行此示例：

# graph model with one input and two outputs

graph = Graph()

graph.add_input(name='input', input_shape=(784,))

graph.add_node(Dense(input_dim=784, output_dim=13), name='dense1', input='input')

graph.add_node(Dense(input_dim=13, output_dim=1), name='dense2', input='input')

graph.add_node(Dense(input_dim=13, output_dim=1), name='dense3', input='dense1')

graph.add_output(name='output1', input='dense2')

graph.add_output(name='output2', input='dense3')

graph.compile('rmsprop', {'output1': 'mse', 'output2': 'mse'})

graph.fit({'input': X_train, 'output1': y_train, 'output2': y_train}, nb_epoch=30)

### here is where I am facing difficulty

score = graph.evaluate({'input': X_test, 'output1': y_test, 'output2': y_test}, batch_size=16, verbose=1)

print 'score: ', score

文档提到 graph.evaluate() ：

evaluate(data，batch_size = 128，verbose = 1)：在某些验证数据上显示模型的性能 . 返回：数据的损失分数 . 参数：与上述拟合方法相同的含义 . verbose用作二进制标志(进度条或无) .

从 graph.fit() 的定义我们知道：

参数：data：字典映射输入名称输出名称到适当的numpy数组 . 所有数组应包含相同数量的样本 .

虽然我的fit方法运行完美，但我在 evaluate 上获得 IndexError: index 1 is out of bounds for size 1

我输入的形状是：

Xtrain: (32738, 784)

Xtest: (16125, 784)

ytest: (16125,)

ytrain: (32738,)

我在这里错过了什么？