使用CNTK和预训练的ONNX模型进行转移学习失败

Question

我正在尝试使用ONNX model zoo中的ResNet-50模型并将其加载并训练在CNTK中以进行图像分类任务。使我困惑的第一件事是，在此模型中，批处理轴（不确定它的正式名称是什么，动态轴？）设置为1：

那是为什么？难道不是简单的[3x224x224]？例如，在this model中，输入看起来像这样：

要加载模型并使用自己的Dense层，请使用以下代码：

WITH CTE AS(
    SELECT *, 
        ROW_NUMBER() OVER( PARTITION BY clientId ORDER BY ProcDate) rn
    FROM ProcJoins
    WHERE ProcDesc NOT LIKE 'POC%'
)
SELECT c.clientId, 
       c.ProcDate,
       c.ProcDesc,
       COUNT(*)
FROM CTE       c
LEFT JOIN CTE  n  ON c.ClientId = n.clientId 
                 AND c.rn = n.rn-1
JOIN ProcJoins p  ON c.ClientId = p.clientId 
                 AND c.ProcDate <= p.ProcDate 
                 AND ISNULL(n.ProcDate, '99991231') > p.ProcDate
WHERE p.ProcDesc LIKE 'POC%'
GROUP BY c.clientId, 
       c.ProcDate,
       c.ProcDesc
ORDER BY c.ProcDate;

为了训练，我使用（缩短）：

def create_model(num_classes, input_features, freeze=False):
    base_model = load_model("restnet-50.onnx", format=ModelFormat.ONNX)
    feature_node = find_by_name(base_model, "gpu_0/data_0")
    last_node = find_by_uid(base_model, "Reshape2959")

    substitutions = {
        feature_node : placeholder(name='new_input')
    }

    cloned_layers = last_node.clone(CloneMethod.clone, substitutions)
    cloned_out = cloned_layers(input_features)
    z = Dense(num_classes, activation=softmax, name="prediction") (cloned_out)
    return z

X_current是单个图像，y_current是相应的类标签，都被编码为具有以下形状的numpy数组

# datasets = list of classes
feature = input_variable(shape=(1, 3, 224, 224))
label = input_variable(shape=(1,3))
model = create_model(len(datasets), feature)
loss = cross_entropy_with_softmax(model, label)

# some definitions for learner, epochs, ProgressPrinters missing

for epoch in range(epochs):
    loss.train((X_current,y_current), parameter_learners=[learner], callbacks=[progress_printer])

当我尝试训练模型时，我会得到

“ ValueError：ToBatchAxis7504 ToBatchAxisNode操作只能在没有小批量数据的情况下对张量进行操作（无布局）”

这是怎么了？