如何为多输出网络创建数据生成器？

如何解决如何为多输出网络创建数据生成器？

我是Keras的初学者。我正在尝试使用Keras训练具有两个输出的模型。 我的数据集的结构就是这样。

--------------------------------------------------------------
filename | cat1    | cat2 | level1 | level2 | level3 | level4 |
--------------------------------------------------------------
1.jpg    | 1       | 0    | 0      |  0     | 0      |  0     |
2.jpg    | 0       | 1    | 0      |  1     | 0      |  0     |

....and so no

我编写了以下模型

    x = Input(shape=(320,512,3),name="my model") 
    x = res_net50(x,training=False)
    x = .....
    ... so on....
    status = Dense(1,activation="sigmoid",name="status")(x) # cat1/cat2
    level = Dense(4,activation="softmax",name="level")(x)   # level1/level2/level3/level4
    model = Model(x,[status,level])

我的数据集很少，所以我决定应用增强技术。直到今天，我一直使用ImageDataGenerator类来应用此技术，如下所示：

train_datagen = ImageDataGenerator(
 horizontal_flip=True,vertical_flip=True,rescale=1/255
)

validation_datagen = ImageDataGenerator(
 rescale=1/255
)

train_generator = train_datagen.flow_from_dataframe(
    train,directory="../dataset/",x_col = "filename",y_col = ['cat1','cat2','level1','level2','level3','level4'],class_mode="multi_output",target_size=(320,512),)

validation_generator = validation_datagen.flow_from_dataframe(
    val,)

并将其用于fit方法。

model.fit(  
            train_generator,batch_size = 32,epochs = 50,callbacks = callbacks_list,validation_data = validation_generator)

来自类似的问题Keras: How to use fit_generator with multiple outputs of different type 我意识到我必须从头开始创建一个。但是，我不了解必须遵循的程序，因为我的情况有所不同。 感谢您提供任何帮助，包括对有用的外部文档的引用。