Keras ValueError: No data provided for "dense_1_input". Need data for each key in: ['dense_1_input']

今天使用keras分批训练model时使用model.fit_generator方法报错：ValueError: No data provided for “dense_1_input”. Need data for each key in: [‘dense_1_input’]
最后通过分析keras源码，找到了解决方案：将用于产生batch的generator的返回值的格式写成一个字典，长这样：({‘dense_1_input’: data}, {‘dense_3’: target})

大家看上面的tuple，我解释一下：这个generator的返回值是一个tuple，这个tuple应该由两个字典组成，第一个字典的键为第一层的名字，第二个字典的键为最后一层的名字，比如，我的神经网络结构是：一个输入全连接层+dropout0.5+一个隐藏全连接层+dropout0.5+一个输出全连接层。查看源码，我们就知道了第一层名字是dense_1_input，最后一层名字是dense_3。
但获取每个层的名字其实不用查看源码，直接print(model.summary)就可以查看了。很简单。
修改了键之后，编译可以通过并可以正常训练了。

我的keras版本是2.1.2。

补充一下，keras源码中的fit_generator的注释，给出了一个格式：

generator: A generator.
                The output of the generator must be either
                - a tuple (inputs, targets)
                - a tuple (inputs, targets, sample_weights).
                All arrays should contain the same number of samples.
                The generator is expected to loop over its data
                indefinitely. An epoch finishes when `steps_per_epoch`
                batches have been seen by the model.

并给出了一个generator的例子：

# Example

        ```python
            def generate_arrays_from_file(path):
                while 1:
                    f = open(path)
                    for line in f:
                        # create Numpy arrays of input data
                        # and labels, from each line in the file
                        x, y = process_line(line)
                        yield (x, y)
                    f.close()

            model.fit_generator(generate_arrays_from_file('/my_file.txt'),
                                steps_per_epoch=1000, epochs=10)
        ```
        
      

我的程序里面，这个generator的样子是：

    def make_batch(self, batch_size, validation=False):

        for times in range(self.ks_cfg['ks_train_epoch']):
        
                if len(self.language_tgt) != len(self.language_src):

                    raise Exception('LengthError:target length and source length is not same.', str(len(self.language_src))+'!='+str(len(self.language_tgt)))

                for index in range(0, len(self.language_src), batch_size):

                    batch_sentence_list = self.language_src[index: index+batch_size]

                    sentences_vec_list = self.sen2vec(sen_list=batch_sentence_list)

                    target_list = self.language_tgt[index: index+batch_size]

                    target_list = self.tar2one_hot(target_list)

                    # target_list = [[0, 1] for _ in range(len(sentences_vec_list))]

                    yield ({'dense_1_input': np.array(sentences_vec_list)}, {'dense_3': np.array(target_list)})

祝大家好运！