由于您使用了多个命名输入，因此不能为validation_data参数传递元组(x_val, y_val)（至少目前Keras不支持）。根据TensorFlow和Keras文档：

验证数据将覆盖验证拆分。验证数据可以是：

• Numpy数组或Tensor的元组**（x_瓦尔，y_val）**。
• NumPy数组的元组**（x_瓦尔，y_val，val_sample_weights）**。
• 一个数据集。
  tf.distribute.experimental.ParameterServerStrategy尚不支持返回*（输入，目标）或（输入，目标，样本权重）.验证数据的Python生成器或keras.utils.Sequence**。
  可能的解决方案：

一个可能的解决方案是连接训练和验证数据集，并将其作为x和y的参数传递给fit方法，同时使用validation_split指定验证部分。请注意：
验证数据是在混洗之前从所提供的x和y数据中的最后一个样本中选择的。

更多详细信息

假设您的数据集有两个输入（例如in1和in2）和两个输出（例如out1和out2）。

可选阅读

您可以首先根据需要重排训练和验证数据集：

concat_xy_train=np.concatenate((train_in1, train_in2, train_out1, train_out2), axis=1)
concat_xy_val=np.concatenate((val_in1, val_in2, val_out1, val_out2), axis=1)
np.random.shuffle(concat_xy_train)
np.random.shuffle(concat_xy_val)

然后，您可以撷取图征和标示：

shuf_train_in1 = concat_xy_train[:,:len_in1]
shuf_train_in2 = concat_xy_train[:,len_in1:len_in1+len_in2]
shuf_train_out1 = concat_xy_train[:,len_in1+len_in2:len_in1+len_in2+len_out1]
shuf_train_out2 = concat_xy_train[:,len_in1+len_in2+len_out1:]

shuf_val_in1 = concat_xy_val[:,:len_in1]
shuf_val_in2 = concat_xy_val[:,len_in1:len_in1+len_in2]
shuf_val_out1 = concat_xy_val[:,len_in1+len_in2:len_in1+len_in2+len_out1]
shuf_val_out2 = concat_xy_val[:,len_in1+len_in2+len_out1:]

训练和验证数据集的连接

train_val_in1 = np.concatenate((shuf_train_in1, shuf_val_in1), axis=0)
train_val_in2 = np.concatenate((shuf_train_in2, shuf_val_in2), axis=0)
train_val_out1 = np.concatenate((shuf_train_out1, shuf_val_out1), axis=0)
train_val_out2 = np.concatenate((shuf_train_out2, shuf_val_out2), axis=0)

适合车型

拟合模型时：

model.fit(
    {"in1": train_val_in1, "in2": train_val_in2},
    {"out1": train_val_out1, "out2": train_val_out2},
    validation_split=len_val/(len_val+len_train),
...