path="D:\\dataset\\train\\t\\"
count = 1
imgList=list()
labelList=list()
ite = 1
print("Loading Model design ....")
json_file = open('Model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)
print("Loading weights ....")
loaded_model.load_weights("Model_weight.h5")
opt = Adam(lr=0.001)
loaded_model.compile(optimizer=opt, loss=keras.losses.sparse_categorical_crossentropy, metrics=['accuracy'])
while ite <= 1:
limit = 10 * ite
imgList=list()
labelList=list()
while count <= limit:
imgC0 = path+"class_0_img_%d.jpeg" %(count)
imgC1 = path+"class_1_img_%d.jpeg" %(count)
imgC2 = path+"class_2_img_%d.jpeg" %(count)
imgC3 = path+"class_3_img_%d.jpeg" %(count)
imgC4 = path+"class_4_img_%d.jpeg" %(count)
lC0 = np.zeros((1,17))
lC1 = np.zeros((1,17))
lC2 = np.zeros((1,17))
lC3 = np.zeros((1,17))
lC4 = np.zeros((1,17))
lC0[0,0] = 1
lC1[0,1] = 1
lC2[0,2] = 1
lC2[0,3] = 1
lC2[0,4] = 1
im0=cv.resize(cv.imread(imgC0),(227,227))
im1=cv.resize(cv.imread(imgC1),(227,227))
im2=cv.resize(cv.imread(imgC2),(227,227))
im3=cv.resize(cv.imread(imgC3),(227,227))
im4=cv.resize(cv.imread(imgC4),(227,227))
imgList.append(im0)
imgList.append(im1)
imgList.append(im2)
imgList.append(im3)
imgList.append(im4)
labelList.append(lC0)
labelList.append(lC1)
labelList.append(lC2)
labelList.append(lC3)
labelList.append(lC4)
print(count)
del(imgC0)
del(imgC1)
del(imgC2)
del(imgC3)
del(imgC4)
del(lC0)
del(lC1)
del(lC2)
del(lC3)
del(lC4)
count += 1
labelMatrix = labelList
xtr = np.array(imgList)
xtr = xtr.reshape(-1,227,227,3)
ytr = np.array(labelMatrix)
ytr = ytr.reshape(-1,17)
print(xtr.shape)
print(ytr.shape)
print(type(ytr))
print("Model Training ....")
loaded_model.fit(xtr,ytr,epochs=1,batch_size=50,validation_split=0.1)
print("Saving Model weights ....")
#loaded_model.save_weights("Model_weight.h5")
ite += 1
del(imgList)
del(labelList)
print("Finished ....")
我收到以下错误消息：
文件“”，第1行，在 runfile（'D：/Project/ModelTrain.py'，wdir ='D：/ Project'）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ spyder_kernels \ customize \ spydercustomize.py”，行文件中的827行 execfile（文件名，命名空间）
exec文件中的第110行，文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ spyder_kernels \ customize \ spydercustomize.py” exec（compile（f.read（），文件名，'exec'），命名空间）
文件“ D：/Project/ModelTrain.py”，第103行，在 loading_model.fit（xtr，ytr，epochs = 1，batch_size = 50，validation_split = 0.1）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training.py”，第728行，适合 use_multiprocessing = use_multiprocessing）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2.py”，行324，适合 total_epochs = epochs）
run_one_epoch中的第123行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2.py” batch_outs =执行功能（迭代器）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2_utils.py”，行86，在execute_function中 distribution_function（input_fn））
调用中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ def_function.py”，第457行 结果= self._call（* args，** kwds）
文件_call中的第503行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ def_function.py” self._initialize（args，kwds，add_initializers_to = initializer_map）
文件_initialize中的第408行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ def_function.py” * args，** kwds））
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ function.py”，行1848，位于_get_concrete_function_internal_garbage_collected中 graph_function，_，_ = self._maybe_define_function（args，kwargs）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ function.py”，行2150，在_maybe_define_function中 graph_function = self._create_graph_function（args，kwargs）
_create_graph_function中的第2041行，文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ function.py” capture_by_value = self._capture_by_value），
在func_graph_from_py_func中的行915中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ func_graph.py” func_outputs = python_func（* func_args，** func_kwargs）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ def_function.py”，第358行，位于wrapd_fn中 返回strong_wrapped_fn（）。包裹（* args，** kwds）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2_utils.py”，第73行，位于distributed_function中 per_replica_function，args =（model，x，y，sample_weights））
experimental_run_v2中的第760行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ distribute \ distribute_lib.py” 返回self._extended.call_for_each_replica（fn，args = args，kwargs = kwargs）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ distribute \ distribute_lib.py”，行1787，位于call_for_each_replica中 返回self._call_for_each_replica（fn，args，kwargs）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ distribute \ distribute_lib.py”，行2132，在_call_for_each_replica中 返回fn（* args，** kwargs）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ autograph \ impl \ api.py”，第292行，在包装器中 返回func（* args，** kwargs）
train_on_batch中的第264行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2_utils.py” output_loss_metrics = model._output_loss_metrics）
train_on_batch中的第315行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_eager.py” 模型，输出，目标，sample_weights = sample_weights，masks = masks）
_eager_metrics_fn中第74行的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_eager.py” skip_target_masks = model._prepare_skip_target_masks（））
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training.py”，第2063行，在_handle_metrics中 目标，输出，output_mask））
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training.py”，第2014行，在_handle_per_output_metrics中 metric_fn，y_true，y_pred，weights = weights，mask = mask）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_utils.py”，行1067，在call_metric_function中 返回metric_fn（y_true，y_pred，sample_weight = weights）
调用中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ metrics.py”，第193行 copy_local_fn，* args，** kwargs）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ distribute \ distributed_training_utils.py”，行1135，在call_replica_local_fn中 返回fn（* args，** kwargs）
replica_local_fn中的第176行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ metrics.py” update_op = self.update_state（* args，** kwargs）＃pylint：disable = not-callable
第75行中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ utils \ metrics_utils.py” update_op = update_state_fn（* args，** kwargs）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ metrics.py”，第581行，处于update_state 匹配= self._fn（y_true，y_pred，** self._fn_kwargs）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ metrics.py”，行2778，以sparse_categorical_accuracy y_true = array_ops.squeeze（y_true，[-1]）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ util \ dispatch.py”，包装中的第180行 返回目标（* args，** kwargs）
new_func中的第507行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ util \ deprecation.py” 返回func（* args，** kwargs）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ ops \ array_ops.py”，行3649，被压缩 返回gen_array_ops.squeeze（输入，轴，名称）
文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ ops \ gen_array_ops.py”，第10071行，处于压缩状态 “压缩”，输入=输入，squeeze_dims =轴，名称=名称）
_apply_op_helper中的第793行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ op_def_library.py” op_def = op_def）
create_op中的第548行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ func_graph.py” compute_device）
_create_op_internal中的第3429行，文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ ops.py” op_def = op_def）
init 中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ ops.py”，行1773 control_input_ops）
文件_create_c_op中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ ops.py”，行1613 引发ValueError（str（e））
ValueError：无法压缩尺寸为1的dim [1]，预期尺寸为1，对于“ metrics / accuracy / Squeeze”（运算符：“ Squeeze”），输入形状为[？，17]，结果为17。
有人可以帮我吗.. 我已将模型另存为
model = Sequential()
# 1st Convolutional Layer
model.add(Conv2D(filters=96, input_shape=(227,227,3), kernel_size=(11,11), strides=(4,4), padding="valid", activation = "relu"))
# Max Pooling
model.add(MaxPool2D(pool_size=(3,3), strides=(2,2), padding="valid"))
# 2nd Convolutional Layer
model.add(Conv2D(filters=256, kernel_size=(5,5), strides=(1,1), padding="same", activation = "relu"))
# Max Pooling
model.add(MaxPool2D(pool_size=(3,3), strides=(2,2), padding="valid"))
# 3rd Convolutional Layer
model.add(Conv2D(filters=384, kernel_size=(3,3), strides=(1,1), padding="same", activation = "relu"))
# 4th Convolutional Layer
model.add(Conv2D(filters=384, kernel_size=(3,3), strides=(1,1), padding="same", activation = "relu"))
# 5th Convolutional Layer
model.add(Conv2D(filters=256, kernel_size=(3,3), strides=(1,1), padding="same", activation = "relu"))
# Max Pooling
model.add(MaxPool2D(pool_size=(3,3), strides=(2,2), padding="valid"))
# Passing it to a Fully Connected layer
model.add(Flatten())
# 1st Fully Connected Layer
model.add(Dense(units = 9216, activation = "relu"))
# 2nd Fully Connected Layer
model.add(Dense(units = 4096, activation = "relu"))
# 3rd Fully Connected Layer
model.add(Dense(4096, activation = "relu"))
# Output Layer
model.add(Dense(17, activation = "softmax")) #As we have two classes
opt = Adam(lr=0.001)
model.compile(optimizer=opt, loss=keras.losses.sparse_categorical_crossentropy, metrics=['accuracy'])
model.summary()
model_jason = model.to_json()
with open("Model.json","w") as json_file:
json_file.write(model_jason)
model.save_weights("Model_weight.h5")
请帮我解决这个问题。