model.fit のそれぞれのサンプルの大きさが同じでなければならないのはなぜ？

Question

model.fit のそれぞれのサンプルの大きさが同じでなければならないのはなぜでしょうか？

以前、https://teratail.com/questions/141258　のリンクで

model.fit([inputs_train, queries_train], answers_train,
          batch_size=30,
          epochs=100,
          validation_data=([inputs_test, queries_test], answers_test))

の行でエラーが出ていることを質問させてもらいました。結果、inputs_testとqueries_testのリストの大きさが違うことからエラーが出ることがわかりました。

しかし、なぜ２つのトレインと２つのテストのデータの大きさがそれぞれ同じでなければならないのでしょうか？別だとなぜエラーが起こるのでしょうか？
その辺の理解ができず。

Answer 1

fitはモデルを学習するためのメソッドですが、学習とは何をするものかをイメージすると分かりやすいのではないでしょうか。

https://keras.rstudio.com/reference/fit.html

基本的には、一つの教師データ（y、ターゲットデータ、ラベルデータ）に対して、一つの学習データ（x、トレインデータ）を入力することで学習を進めます（重みを計算していく）。一つ一つのデータを1行で表現し、一度の複数のデータを纏めて指定しています。
ですので、教師データと学習データの行が一致する必要があります。
この場合列が異なるのは問題なく、複数の学習データに対して一つの結果が得られることが一般的だからです。

validation_dataで指定する場合も同様で、そこで指定されたデータを利用し、学習データと同じようなセットを与えることでどのような結果になるのかをみるものですが、validation_data内で指定されたデータの1行ずつそれを評価するため、行が一致する必要があります。（余談）validation_splitの場合、x、yから指定された割合だけピックアップして評価しますが、全体の行数に対しての割合を指定することになります。

Comments

[taiyo2017]

ありがとうございます。１つ質問なのですが、教師データが上で提示しているコードのtrainに当たるもので、学習データがtestに相当する、という解釈であっていますか？

[t_obara]

ドキュメントをご覧いただけると、xがどれでyがどれかがわかると思いますが、その解釈ではありません。

Answer 2

tensor同士の四則演算を行うためには、双方の型は一致している必要があります。
ただし、列に関してはモデルの構造次第で増減できるので入力時の値はあまり気にする必要がありません。一方、行(サンプル数)は入力時の値をそのまま保持するケースが一般的なので、あらかじめ一致させておかないと計算できません