Question

我试图在TPU上使用keras.preprocessing.image.ImageDataGenerator，但是我从第一个纪元就得到了这个错误。相同的代码适用于jupyter笔记本，但是需要花费数小时进行培训。

我的模型：

model = Sequential()
model.add(Conv2D(32, (3, 3), input_shape=input_shape))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(32, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Conv2D(64, (3, 3)))
model.add(Activation('relu'))
model.add(MaxPooling2D(pool_size=(2, 2)))

model.add(Flatten())
model.add(Dense(220))
model.add(Activation('relu'))
model.add(Dropout(0.4))
model.add(Dense(120))
model.add(Activation('softmax'))

优化器

opt = tf.train.AdamOptimizer(learning_rate)

model.compile(
      optimizer=opt,
      loss='categorical_crossentropy',
      metrics=['acc'])

将Keras转换为TPU

try:
    device_name = os.environ['COLAB_TPU_ADDR']
    TPU_ADDRESS = 'grpc://' + device_name
    print('Found TPU at: {}'.format(TPU_ADDRESS))

except KeyError:
    print('TPU not found')
tpu_model = tf.contrib.tpu.keras_to_tpu_model(
    model,
    strategy=tf.contrib.tpu.TPUDistributionStrategy(
        tf.contrib.cluster_resolver.TPUClusterResolver(TPU_ADDRESS)))

ImageDataGenerator

train_datagen = ImageDataGenerator(
    rescale=1. / 255,
    shear_range=0.2,
    zoom_range=0.2,
    horizontal_flip=True)

# this is the augmentation configuration we will use for testing:
# only rescaling
test_datagen = ImageDataGenerator(rescale=1. / 255)

train_generator = train_datagen.flow_from_directory(
    train_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='categorical')#binary ,categorical

validation_generator = test_datagen.flow_from_directory(
    validation_data_dir,
    target_size=(img_width, img_height),
    batch_size=batch_size,
    class_mode='categorical')

模型拟合

model_fit=tpu_model.fit_generator(
    train_generator,

    epochs=50,
    steps_per_epoch=60, 

)

我收到此错误

Epoch 1/50 15/33 [============> .................]-ETA：8秒-损失：   4.7722-acc：0.0083INFO：tensorflow：新的输入形状; （重新）编译：mode = train（核数8），[TensorSpec（shape =（0，），dtype = tf.int32，   name ='core_id_60'），TensorSpec（shape =（0，128，128，3），   dtype = tf.float32，name ='conv2d_3_input_20'），TensorSpec（shape =（0，   120），dtype = tf.float32，名称='activation_13_target_30'）]   -------------------------------------------------- ------------------------- InvalidArgumentError追踪（最近的呼叫   持续）   /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/ops.py   在_create_c_op中（图形，node_def，输入，control_inputs）1658
  尝试：   -> 1659 c_op = c_api.TF_FinishOperation（op_desc）1660除了errors.InvalidArgumentError为e：

InvalidArgumentError：维度0的切片索引0超出范围。对于   输入形状为[0]，[1]，“ strided_slice_19”（操作：“ StridedSlice”）   [1]，[1]并具有计算的输入张量：input [1] = <0>，input [2] =   <1>，输入[3] = <1>。

在处理上述异常期间，发生了另一个异常：

ValueError跟踪（最近的呼叫   最后）17帧   /usr/local/lib/python3.6/dist-packages/tensorflow/python/framework/ops.py   在_create_c_op中（图形，node_def，输入，control_inputs）1660
  除外errors.InvalidArgumentError为e：1661＃转换为   向后兼容的ValueError。   -> 1662提高ValueError（str（e））1663 1664返回c_op

ValueError：维度0的切片索引0超出范围。对于   输入形状为[0]，[1]，“ strided_slice_19”（操作：“ StridedSlice”）   [1]，[1]并具有计算的输入张量：input [1] = <0>，input [2] =   <1>，输入[3] = <1>。

输入形状为'strided_slice_19'（op：'StridedSlice'）

0 个答案: