Python 3.x &引用；FusedBatchNorm的CPU实现目前仅支持NHWC张量格式；

我正在尝试重新创建一个模型，并重新生成其已发布的结果。我使用TF2.0，我认为这个模型是用Theano后端编码的。该模型来源于github的上下文

我也不使用tensorflow gpu，因为它与我的硬件设置不兼容

无论如何，一开始我在加载它的权重甚至模型时遇到了很多错误。当我意识到保存/加载功能只是一团糟时，我开始尝试加载和训练模型。因为我使用了Tensorflow，所以我修改了代码以使用

'channels\u last'

格式，或者

NHWC

，正如错误所说的那样

这是我的导入列表：

来自未来导入绝对导入
来自未来进口部
来自未来导入打印功能
从未来导入unicode文字
从tensorflow进口keras
进口cv2
导入操作系统
导入路径库
进口舒蒂尔
将matplotlib.pyplot作为plt导入
将numpy作为np导入
导入tensorflow作为tf

修改后的模型：

def createModel（）：
model=keras.models.Sequential（）
添加（keras.layers.Lambda（norm_输入，input_形状=（28,28,1），output_形状=（28,28,1）））
添加模型（keras.layers.Conv2D（32，（3,3）））
model.add（keras.layers.LeakyReLU（））
model.add（keras.layers.BatchNormalization（axis=1））
添加模型（keras.layers.Conv2D（32，（3,3）））
model.add（keras.layers.LeakyReLU（））
model.add（keras.layers.MaxPooling2D（））
model.add（keras.layers.BatchNormalization（axis=1））
model.add（keras.layers.Conv2D（64，（3,3）））
model.add（keras.layers.LeakyReLU（））
model.add（keras.layers.BatchNormalization（axis=1））
model.add（keras.layers.Conv2D（64，（3,3）））
model.add（keras.layers.LeakyReLU（））
model.add（keras.layers.MaxPooling2D（））
model.add（keras.layers.flatte（））
model.add（keras.layers.BatchNormalization（））
添加模型（keras.layers.Dense（512））
model.add（keras.layers.LeakyReLU（））
model.add（keras.layers.BatchNormalization（））
模型。添加（keras。层。辍学（0.3））
添加模型（keras.layers.Dense（10，激活='softmax'））
compile（优化器='adam'，loss='classifical_crossentropy'，metrics=['accurity']）
回归模型

如何加载和预处理MNIST数据集：

（x_列，y_列），（x_测试，y_测试）=keras.dataset.mnist.load_data（）
测试标签=y测试
x_-train=x_-train.重塑（x_-train.形状[0]，28，28，1）
x_测试=x_测试。重塑（x_测试。形状[0]，28，28，1）
x_列=x_列.aType（np.32）
x_检验=x_检验.astype（np.32）
x_列/=255
x_检验/=255
y_-train=keras.utils.to_-categorical（y_-train，10）
y_检验=keras.utils.to_分类（y_检验，10）

ImageDataGenerator

：

gen=keras.preprocessing.image.ImageDataGenerator(
旋转范围=12，
宽度\偏移\范围=0.1，
剪切范围=0.3，
高度位移范围=0.1，
缩放范围=0.1，
数据\u格式='channels\u last'）

最后，培训模型的功能：

def-fit_型号（m）：
m、 fit_生成器（批次，每_历元的步数=每_历元的步数，历元=1，详细=0，
验证\数据=测试\批次，验证\步骤=验证\步骤）
m、 optimizer.lr=0.1
m、 fit_生成器（批次，每_历元的步数=每_历元的步数，历元数=4，详细度=0，
验证\数据=测试\批次，验证\步骤=验证\步骤）
m、 optimizer.lr=0.01
m、 fit_生成器（批次，每_历元步数=每_历元步数，历元数=12，详细度=0，
验证\数据=测试\批次，验证\步骤=验证\步骤）
m、 optimizer.lr=0.001
m、 fit_生成器（批次，每_历元的步数=每_历元的步数，历元=18，详细=0，
验证\数据=测试\批次，验证\步骤=验证\步骤）
返回m

最后一个代码片段是错误指向的地方，但我不知道与图像格式相关的具体内容。具体来说，它指向第三行，或以

验证\u data=…

开头的行

完全错误是：

组件函数执行失败：内部：FusedBatchNorm的CPU实现目前仅支持NHWC tensor格式。
[{{node batch_normalization_v2/cond/then/_0/FusedBatchNorm}}]

和回溯：

回溯（最近一次呼叫最后一次）：
文件“model3.py”，第113行，在
m=拟合模型（createModel（））
文件“model3.py”，第52行，在fit_模型中
验证\数据=测试\批次，验证\步骤=验证\步骤）
fit_generator中的文件“/home/ren/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/training.py”，第1515行
步骤（名称=“每个时代的步骤”）
文件“/home/ren/.local/lib/python3.6/site packages/tensorflow/python/keras/engine/training\u generator.py”，第257行，在模型迭代中
批处理输出=批处理功能（*批处理数据）
文件“/home/ren/.local/lib/python3.6/site-packages/tensorflow/python/keras/engine/training.py”，第1259行，在批量生产中
输出=self._fit_函数（ins）35; pylint:disable=不可调用
文件“/home/ren/.local/lib/python3.6/site packages/tensorflow/python/keras/backend.py”，第3217行，在调用中__
输出=自。\图形\ fn（*转换的\输入）
文件“/home/ren/.local/lib/python3.6/site packages/tensorflow/python/eager/function.py”，第558行，在调用中__
返回自我。呼叫平面（args）
文件“/home/ren/.local/lib/python3.6/site packages/tensorflow/python/eager/function.py”，第627行，位于调用平面中
输出=自我推理函数调用（ctx，args）
调用中第415行的文件“/home/ren/.local/lib/python3.6/site packages/tensorflow/python/eager/function.py”
ctx=ctx）
文件“/home/ren/.local/lib/python3.6/site packages/tensorflow/python/eager/execute.py”，第66行，在quick_execute中
六、将_从（核心状态）提升到_异常（例如代码、消息），无
文件“”，第行
model.add(keras.layers.Permute((2, 3, 1)))
model.add(keras.layers.BatchNormalization(axis=-1))
model.add(keras.layers.Permute((3, 1, 2)))