Question

我正在处理这个CNN。输入形状是动态的，但我将其固定为[？，600，451，3]（batch_size，高度，宽度，通道），以便可以对其进行调试。

我有一个创建的随机批处理生成器：

test = random_batch_generator(z_train
                    , num_processes=12 
                    , num_batch=steps_train 
                    , preloaded_batch=100
                    , batch_size=batch_size
                    , chunk_size=batch_size
                    , dataaugmfunc=heavy_dataaugm
                    , seq=seq
                    , initial_dim=initial_dim
                    , min_overlap=MINOVERLAP
                    )

当我这样做时：

next(test)[0].shape

或

next(test)[0].dtype

它向我输出正确的形状（[？，600，451，3]）和dtype（float32），这在理论上是我输入所需的。我还检查了批次的内容，看起来不错。

当我使用以下内容训练模型时，仍然可以：

model.fit_generator(
        random_batch_generator(z_train (...)),
        validation_data= (x_val_mem,y_val_mem),
        steps_per_epoch=steps_train,
        validation_steps=steps_val,
        epochs=epochs
        ,callbacks=model_callbacks(modelname)
        ,class_weight = [0.005,0.995]
    )

此错误消息：

InvalidArgumentError（请参阅上面的回溯）：您必须使用dtype float和形状[？，600,451,3]的占位符张量'input_1'输入值。

[[Node：input_1 = Placeholderdtype = DT_FLOAT，shape = [?, 600,451,3]，_device =“ / job：localhost /副本：0 / task：0 / device：GPU：0”]] p >

我在做什么错？感谢一千个对此的帮助或直觉。

Answer 1

您是否正在使用TensorBoard回调？如果是这样，您可以在创建模型之前尝试添加它

import keras.backend as K
K.clear_session()

请参见here

Answer 2

大多数情况下会发生此问题，因为未使用的输入（在fit生成器上）被添加到网络中。尝试避免或对网络中未使用的输入发表评论，然后重试。如果模型的输入数量与批处理生成器或fit（）函数的输入数量不平衡，则会发生此问题。

在您必须重置会话之前 *

import keras.backend as K
K.clear_session()

Answer 3

不确定这是原因，但与验证数据不兼容。

如果验证数据为数组，则将其作为validation_data=(array_x, array_y)传递，而没有validation_steps。

现在，如果它是生成器，则需要将其作为validation_data = someGenerator传递，然后将validation_steps=number_of_batches_expected_from_generator传递。

Answer 4

当我将'histogram_freq = 1'设置为0而不是0时，这发生在我身上（TF 1.14）。

Keras / Tensorflow：“您必须使用dtype float和形状[？，600，451，3]输入占位符张量'input_1'的值”

4 个答案: