Python 如何在'；适合'；呼叫

我正在尝试用TensorFlow训练一个分段U型网络。数据集“我的计算机上的图像”在运行模型之前进行预处理，并保存为Tfrecords

因此，在训练之前，我用

tf.data

加载tf记录。如果我看一个例子，我会得到：

ds_train = tf.data.TFRecordDataset(training_tfrecords).map(load_image_train, num_parallel_calls=tf.data.experimental.AUTOTUNE)
train_dataset = ds_train.cache().shuffle(BUFFER_SIZE).batch(BATCH_SIZE).repeat()
one_record = train_dataset.take(1)
for i, (img, seg) in enumerate(one_record):
    print(f"BatchImg{i}: {img.shape}")
    print(f"BatchSeg{i}: {seg.shape}")

输出（6=批次大小，96=img尺寸，1=通道尺寸）：

到目前为止看起来不错。但是，当我尝试开始培训时，我会出现以下错误：

model_history = model.fit(train_dataset, epochs=EPOCHS, steps_per_epoch=180)

输出：

ValueError: logits and labels must have the same shape ((None, 96, 96, 96, 16) vs (None, None, None, None, 1))

---

我不知道如何在这里进一步调试。。。谢谢你的帮助

正如Andrey指出的（谢谢！），我不仅需要检查输入图像形状，还需要检查模型（logits）形状的输出。问题仅仅来自于逻辑图和分段图之间的形状差异（“16”与最后一个维度中的1）。因此，模型输出不正确。修复后（使用

model.summary（）

找出要做的事情），一切正常

我看到最后一个输出至少有两个主要问题：图像形状（96^3）没有为分割（标签）复制，以及logit中突然出现的“16”…我将从调用模型开始，并确保其输出形状与数据集中的标签和丢失函数相关联，例如：a=模型（BatchImg0）。我没有使用U-Net。但看起来16是这个模型的输出形状。16可以是多个类。您使用的是哪种损失函数？嗨@Andrey谢谢您的回复！事实上，我正在排除这16个故障，它似乎是我的模型目前的输出。使用

tf.keras.loss.BinaryCrossentropy（from_logits=True）

Hi，Pierre。据我所知，二进制交叉熵要求输出形状为2（标签形状为2）。您的输出形状为16，标签形状为1。我正在将16修复回1。对于丢失，我在前面使用了tf1的

tf.nn.sigmoid\u cross\u entropy\u with\u logits

，但将所有内容转换为tf2

ValueError: logits and labels must have the same shape ((None, 96, 96, 96, 16) vs (None, None, None, None, 1))