Python 在keras训练中，当a的形状和重量不同时，必须指定轴

我试图训练一个网络，我使用两个生成器，一个用于训练，一个用于验证。这些都是简单的函数产生的样本无法确定

在验证的最后，我得到以下错误：

File "/home/ubuntu/tensorflow/lib/python3.5/site-packages/numpy/lib/function_base.py", 
line 1142, in average "Axis must be specified when shapes of a and weights "

我查看了代码，

keras.engine

中的函数

training\u generator

包含以下行

averages.append(np.average([out[i] for out in outs_per_batch], weights=batch_sizes))

查看

np.average

的定义，当权重和数组长度不相同时，该函数需要

轴

。我调试了代码，通过将

axis=0

或

np。挤压
到
out[I]
上，它“工作”，只在收集验证的摘要统计信息后停止几行。我无法停止思考我的代码中的其他地方有错误

这是我的发电机

def batch_generator(batch_size, folder):
    files = listdir(folder)
    print("Folder " + folder + " with " + str(len(files)) + " files.")
    np.random.shuffle(files)
    while True:
        np.random.shuffle(files)
        for i in range(batch_size, len(files), batch_size):
            batch = files[(i-batch_size):(i)]
            batch = tensor_generator(folder, files=batch)
            yield (batch, batch)

def tensor_generator(folder, files=None):
    if files is None:
        files = listdir(folder)
    verbose = len(files)>100
    if verbose:
        pbar = tqdm(total=len(files), unit='img')
    tensor = []
    for f in files:
        f = SimpleITK.ReadImage(join(folder, f))
        f = SimpleITK.GetArrayFromImage(f)
        f = (f + 1000)/4000
        tensor.append(f)
        if verbose: pbar.update(1)
    if verbose: pbar.close()
    return np.stack(tensor, axis=0)

这就是拟合函数

    self.autoencoder.fit_generator(
            generator=x_train,
            steps_per_epoch=iters,
            epochs=epochs,
            callbacks=[log, rop],
            validation_data=x_test,
            validation_steps=10)

知道怎么回事吗？
您需要在图像空间维度中指定
None
，例如，RGB图像的
shape=（None，None，3）

顺便说一句，使用预训练模型预测不同大小的测试图像并不总是可行的，例如，包含
密集
层的预训练模型。但是，您应该始终可以首先将测试图像调整为用于训练的大小，然后在调整大小的版本图像上进行预测。
我遇到了同样的问题。尽管我不知道这个问题的原因，但我已经解决了这个奇怪的问题

您只需将代码
validation\u data=x\u test
更改为
validation\u data=next（x\u test）
。这意味着您只需在验证数据生成器上添加
next（）
。
是否有大小为0的批次？您的keras版本和tensorflow版本是什么？测试生成器是否真的返回10个批次？@DanielMöller否，生成器始终返回参数指定的批次大小。Keras 2.2和tf 1.9我们预计会这样，但对于范围内的i（3*iters），可能a
：打印（下一个（x_序列）[0]。形状）
，对于范围内的i（3*10）]：打印（下一个（x_测试）[0]。形状）
可能会揭示一些奇怪的事情？@DanielMöller BATCHSIZE x D1 x通道对于所有批次，我没有使用预训练网络。就那一层。