Python Keras分类交叉熵softmax输入.dim_大小错误

我正在开发一个相当复杂的管道，在这里我从TFRecords文件构建tf.数据集，并将这些数据集与数据增强和许多健全性检查和验证一起提供给Keras模型。所以，请允许我为不能带来一个完全可复制的例子而道歉

无论如何，我正在尝试训练一个图像分类模型，我的图像数据是192*256灰度张量，标签是一个热编码的三维向量

当我尝试拟合模型时，出现了一个问题，它似乎来自softmax激活和/或分类交叉熵损失函数

output_len = 3
activation = 'softmax'
loss = 'categorical_crossentropy'
optimizer = keras.optimizers.Adam()

categorical_model = keras.Sequential([
    keras.layers.Flatten(input_shape=(192, 256, 1)),
    keras.layers.Dense(128, activation='relu'),
    keras.layers.Dense(output_len, activation='softmax')
])

categorical_model.summary()

categorical_model.compile(optimizer=optimizer,
              loss=loss)

print(aug_data[0])
print(aug_data[1])

categorical_model.fit(aug_data, steps_per_epoch = 1070, epochs=2)

在上面的例子中，'aug_data[0]'是训练样本，[1]是标签（将tf.data集提供给Keras要求样本和标签是元组）。运行上述命令可以让我：

Model: "sequential_27"
_________________________________________________________________
Layer (type)                 Output Shape              Param #   
=================================================================
flatten_27 (Flatten)         (None, 49152)             0         
_________________________________________________________________
dense_54 (Dense)             (None, 128)               6291584   
_________________________________________________________________
dense_55 (Dense)             (None, 3)                 387       
=================================================================
Total params: 6,291,971
Trainable params: 6,291,971
Non-trainable params: 0
_________________________________________________________________
Tensor("IteratorGetNext_26:0", shape=(?, 192, 256, 1), dtype=float32)
Tensor("IteratorGetNext_26:1", shape=(?, 3), dtype=float32)
Train on 1070 samples
Epoch 1/2
---------------------------------------------------------------------------
InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-77-12cc2cbea62b> in <module>()
     18 print(aug_data[1])
     19 
---> 20 categorical_model.fit(aug_data, steps_per_epoch = 1070, epochs=2)

4 frames
/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/client/session.py in __call__(self, *args, **kwargs)
   1470         ret = tf_session.TF_SessionRunCallable(self._session._session,
   1471                                                self._handle, args,
-> 1472                                                run_metadata_ptr)
   1473         if run_metadata:
   1474           proto_data = tf_session.TF_GetBuffer(run_metadata_ptr)

InvalidArgumentError: 2 root error(s) found.
  (0) Invalid argument: Expected begin[0] == 0 (got 1) and size[0] == 0 (got 1) when input.dim_size(0) == 0
     [[{{node loss_27/dense_55_loss/softmax_cross_entropy_with_logits/Slice_1}}]]
  (1) Invalid argument: Expected begin[0] == 0 (got 1) and size[0] == 0 (got 1) when input.dim_size(0) == 0
     [[{{node loss_27/dense_55_loss/softmax_cross_entropy_with_logits/Slice_1}}]]
     [[loss_27/mul/_1495]]
0 successful operations.
0 derived errors ignored.

模型：“顺序_27”
_________________________________________________________________
层（类型）输出形状参数
=================================================================
展平27（展平）（无，49152）0
_________________________________________________________________
致密（致密）（无，128）6291584
_________________________________________________________________
致密（致密）（无，3）387
=================================================================
总参数：6291971
可培训参数：6291971
不可训练参数：0
_________________________________________________________________
张量（“IteratorGetNext_26:0”，shape=（？，192256，1），dtype=float32）
张量（“IteratorGetNext_26:1”，shape=（？，3），dtype=float32）
训练1070个样本
纪元1/2
---------------------------------------------------------------------------
InvalidArgumentError回溯（最后一次最近调用）
在（）
18打印（八月数据[1]）
19
--->20分类模型拟合（8月数据，每个历元的步长=1070，历元=2）
4帧
/usr/local/lib/python3.6/dist-packages/tensorflow_core/python/client/session.py in_u_________（self，*args，**kwargs）
1470 ret=tf_session.tf_SessionRunCallable（self._session._session，
1471自动控制手柄，args，
->1472运行元数据（ptr）
1473如果运行元数据：
1474 proto_data=tf_session.tf_GetBuffer（运行元数据ptr）
InvalidArgumentError:发现2个根错误。
（0）无效参数：输入时应为begin[0]==0（得到1）和size[0]==0（得到1）。dim_size（0）==0
[{{node loss_27/densite_55_loss/softmax_cross_entropy_with_logits/Slice_1}}]
（1） 无效参数：输入时需要开始[0]==0（得到1）和大小[0]==0（得到1）。尺寸大小（0）==0
[{{node loss_27/densite_55_loss/softmax_cross_entropy_with_logits/Slice_1}}]
[[loss_27/mul/_1495]]
0成功的操作。
忽略0个派生错误。

我正在打印输入和标签张量的形状（在模型摘要的正下方），以确认形状与预期一致。然而，我却犯了一个奇怪的错误，这是我一生都无法解决的。对于稀疏交叉熵，我得到了另一个错误，同样是批处理模糊

有趣的是，使用二进制交叉熵可以让模型运行（尽管学习不多…）

我以前从未尝试过将tf.dataset和kera组合在一起，这似乎是一个相当大的挑战。对此的任何意见都会很有帮助，非常感谢

---

干杯

尝试替换以下代码行：

categorical_model.fit(aug_data, steps_per_epoch = 1070, epochs=2)

这一行：

categorical_model.fit(aug_data[0], aug_data[1], steps_per_epoch = 1070, epochs=2)

---

因为

category\u model.fit（）

函数的输入必须是

的元组（aug\u data[0]，aug\u data[1]）

，而不是包含沿第0维堆叠的输入和标签的输入。

尝试替换下面的代码行：

categorical_model.fit(aug_data, steps_per_epoch = 1070, epochs=2)

这一行：

categorical_model.fit(aug_data[0], aug_data[1], steps_per_epoch = 1070, epochs=2)

---

因为

category\u model.fit（）

函数的输入必须是

的元组（aug\u data[0]，aug\u data[1]）

而不是包含沿第0维堆叠的输入和标签的输入。

打印什么（aug\u data.shape）比如说？我在这一点上可能是错的，但有可能

softmax\u cross\u entropy\u with\u logits

需要形状

（无，1，len\u输出）

。也许可以尝试重塑数据，看看它是否有效？@Amit tuple没有形状：/tuple的元素有形状-它们的形状与打印的一样above@vvalchev它期望元组的每个元素都有shape=（192256,1）。。您的代码是否满意？@sebastian sz no bueno：（将第二个维度扩展到最后一个维度，用于“tensor”（“IteratorGetNext_32:1”，shape=（？，1，3），dtype=float32）”的标签张量形状，但有相同的错误：（打印什么（aug_data.shape）说什么？我在这一点上可能是错的，但有可能

softmax\u cross\u entropy\u with\u logits

需要形状

（无，1，len\u输出）

。也许可以尝试重塑数据，看看它是否有效？@Amit tuple没有形状：/tuple的元素有形状-它们的形状与打印的一样above@vvalchev它希望元组的每个元素都有shape=（192256,1）…您的代码中是否满足此要求？@sebastian sz no bueno:（将第二个维度扩展到最后一个维度，用于“tensor”（“IteratorGetNext_32:1”，shape=（？，1，3），dtype=float32）”的标签张量形状，错误相同：(