训练使用tensorflow.keras.Model和keras函数API设计的网络会导致Python崩溃

-Keras版本：2.3.1 -Tensorflow版本：2.2.0 -操作系统：Windows 10 -运行于：CPU处理器Intel（R）Core（TM）i7-8850H -发展于：PyCharm -Python版本：3.7

我尝试过几次培训使用keras函数API设计的网络，但是培训总是导致python崩溃，并显示以下退出消息：

Process finished with exit code -1073740791 (0xC0000409)

没有提供其他堆栈跟踪。下面是我尝试运行的代码的简化版本：

将scipy.io导入为io
导入操作系统
将numpy作为np导入
从tensorflow.keras导入图层、损耗和输入
从tensorflow.keras.models导入模型
目录='C:\\Dataset'
def简单_生成器（dim1、dim2、dim3，批次大小=5）：
尽管如此：
样本=np.随机。随机样本（（批次大小，dim1，dim2，dim3））
目标=np.随机.随机样本（（批次大小，3））
产出样本、目标
示例_形状=（1100、4096、2）
序列号=简单生成器（示例号[0]，示例号[1]，示例号[2]，批次号=10）
val_gen=简单_生成器（示例_形状[0]、示例_形状[1]、示例_形状[2]）
test_gen=简单_生成器（示例_形状[0]、示例_形状[1]、示例_形状[2]）
输入张量=输入（形状=示例形状）
preprocess=layers.Conv2D（32,3，activation='relu'）（输入张量）
preprocess=layers.Conv2D（32,3，activation='relu'）（预处理）
预处理=层。MaxPool2D（池大小=（3,3），步幅=3）（预处理）
“总目1”
head_1=layers.Conv2D（32,3，activation='relu'）（预处理）
head_1=layers.Conv2D（32,3，activation='relu'）（head_1）
头1=层。MaxPool2D（池大小=（3,3），步幅=3）（头1）
head_1=layers.Conv2D（32,3，activation='relu'）（head_1）
head_1=layers.Conv2D（32,3，activation='relu'）（head_1）
头1=层。MaxPool2D（池大小=（3,3），步幅=3）（头1）
head_1=layers.Conv2D（16,3，activation='relu'）（head_1）
head_1=layers.Conv2D（16,3，activation='relu'）（head_1）
头1=层。MaxPool2D（池大小=（3,3），步幅=3）（头1）
head_1=层。致密（8，活化='relu'）（head_1）
“总目2”
head_2=layers.Conv2D（32,3，activation='relu'）（预处理）
head_2=layers.Conv2D（32,3，activation='relu'）（head_2）
头2=层。MaxPool2D（池大小=（3,3），步幅=3）（头2）
head_2=layers.Conv2D（32,3，activation='relu'）（head_2）
head_2=layers.Conv2D（32,3，activation='relu'）（head_2）
头2=层。MaxPool2D（池大小=（3,3），步幅=3）（头2）
head_2=layers.Conv2D（16,3，activation='relu'）（head_2）
head_2=layers.Conv2D（16,3，activation='relu'）（head_2）
头2=层。MaxPool2D（池大小=（3,3），步幅=3）（头2）
head_2=层。致密（8，活化='relu'）（head_2）
“总目3”
head_3=layers.Conv2D（32,3，activation='relu'）（预处理）
head_3=layers.Conv2D（32,3，activation='relu'）（head_3）
头3=层。MaxPool2D（池大小=（3,3），步幅=3）（头3）
head_3=layers.Conv2D（32,3，activation='relu'）（head_3）
head_3=layers.Conv2D（32,3，activation='relu'）（head_3）
头3=层。MaxPool2D（池大小=（3,3），步幅=3）（头3）
head_3=layers.Conv2D（16,3，activation='relu'）（head_3）
head_3=layers.Conv2D（16,3，activation='relu'）（head_3）
头3=层。MaxPool2D（池大小=（3,3），步幅=3）（头3）
head_3=层。致密（8，活化='relu'）（head_3）
concat_out=层。连接（轴=-1）（[head_1，head_2，head_3]）
concat\u out=layers.flatte（）（concat\u out）
输出张量=层。密集（3）（浓缩）
模型=模型（输入张量、输出张量）
compile（loss=loss.mean_绝对错误，optimizer='sgd'）
model.summary（）
历史=模型.fit（x=训练生成，每个历元的步骤=25，历元=12，验证数据=val生成，验证步骤=10，详细=True）
model.save（目录+'\\发散网络.h5'）
评估=模型。评估生成器（生成器=测试生成，步骤=20，详细=真）
打印（评估）

---

有人能解释这次事故或提出任何可能的解决方案吗？我在Anaconda环境中运行这段代码，但是我尝试在基本的python虚拟环境中运行，以查看这是否是Anaconda问题，但我发现两者之间没有区别。

我的conda环境似乎存在问题。我创建了一个新的“最低限度”环境，其中只包含我需要的包，这就清除了所有内容。我用于此操作的信息可在以下位置找到：

---

嗨，我也面临同样的问题。根本原因到底是什么？在我的例子中，这是由于python环境的问题，我相信我对一些软件包使用了conda安装，然后对其他软件包使用了pip安装，这导致一些软件包安装不正确或对其他软件包不可见。我的解决方案是打开Anaconda提示符，创建一个新环境，并在创建时安装所有相关的软件包，允许conda处理版本控制和文件结构。从那时起，所有新安装都是使用conda完成的。你当然可以避开anaconda，自己安装一个新的python环境，然后使用pip安装所有相关的软件包，这不太可能是问题的根源，也不能通过CondaThe安装。我唯一能说的是，这是一些没有被标记的版本不匹配。每个软件包都是兼容版本吗？