Python 在估计器模型内使用keras模型API时参数错误无效\u fn

我构建的自定义估计器的

模型\u fn

如下所示

def_model_fn（功能、标签、模式）：
"""
掩码RCNN模型函数
"""
self.keras_model=self.build_图（模式，配置）
输出=self.keras_模型（特征）#错误声明
#outputs=self.keras_model（list（features.values（））#此语句存在相同错误
#预言
如果mode==tf.estimator.ModeKeys.PREDICT：
... # 定义预测规范
#训练
如果模式==tf.estimator.ModeKeys.TRAIN：
#定义损耗和培训规格
...
#评价
...

\u model\u fn（）

从

tf接收参数
功能
和
标签
。数据

格式如下：

功能={
“a”：（批量大小，h，w，3）#数据类型：浮点
“b”：（批量大小，n）##数据类型：浮动
}
#及
标签=[]

self.keras\u模型

是使用

tensorflow.keras.models.model

API构建的，该API带有输入占位符（使用图层

tensorflow.keras.layers.Input（）

），其名称分别为

'a'

和

'b'

使用

训练和评估（）运行估计器后，
\u模型fn
运行良好。图表已初始化，但当培训开始时，我面临以下问题：

tensorflow.python.framework.errors\u impl.InvalidArgumentError:您必须
使用dtype float和shape为占位符张量“a”输入一个值
[？，128128,3][{{{node a}}]]

我以前使用过自定义估计器，这是我第一次使用
API在
\u Model\fn
中计算图形。
这个问题只发生在这个特定的模型（Mask RCNN）上。为了克服这个问题，可以对方法
self.build\u graph（mode，config）
进行如下修改：

def构建图（模式、配置）：
#用于输入占位符定义
a=KL.输入（张量=特征['a']）
#早些时候
#a=KL.Input（形状=[批次大小，h，w，3]，名称='a'）
b=KL.输入（张量=特征['b']）
#早些时候
#b=KL.Input（形状=[批次大小，n]，名称='b'）
...
...

这些修改将特征张量直接包装到
tensorflow.keras.layers.Input（）
中。在使用
tensorflow.keras.models.Model定义模型时，可以使用它来定义输入参数
此问题仅在该特定模型（掩码RCNN）中出现。为了克服这个问题，可以对方法
self.build\u graph（mode，config）
进行如下修改：

def构建图（模式、配置）：
#用于输入占位符定义
a=KL.输入（张量=特征['a']）
#早些时候
#a=KL.Input（形状=[批次大小，h，w，3]，名称='a'）
b=KL.输入（张量=特征['b']）
#早些时候
#b=KL.Input（形状=[批次大小，n]，名称='b'）
...
...

这些修改将特征张量直接包装到
tensorflow.keras.layers.Input（）
中。以后在使用tensorflow.keras.models.Model定义模型时，可以使用它来定义输入参数。请显示用于构建模型的代码。我猜您是将此
功能
dict直接放在输入节点
a
，该节点应使用张量而不是dict。我使用的是官方提供的MaskRCNN模型具有7个输入和7个输出的存储库。请参考本官方报告中的
build（）
方法@zongfan是否有办法将
功能中的张量输入
tf.keras.models.Model
？@SWAPNILMASUREKAR
tf.keras.models（）
仅接受keras张量。如果你想输入一个dict而不是张量，以以下方式包装继承此官方模型类的自定义模型类：。请显示用于构建模型的代码。我猜您将此
功能
dict直接放置到输入节点
a
，该节点应使用张量而不是dict。我使用的是官方存储库中的MaskRCNN模型，包含7个输入和7个输出。请参考本官方报告中的
build（）
方法@zongfan是否有办法将
功能中的张量输入
tf.keras.models.Model
？@SWAPNILMASUREKAR
tf.keras.models（）
仅接受keras张量。如果要输入dict而不是张量，请包装一个自定义模型类，该类以以下方式继承此官方模型类：。