Я разрабатываю довольно сложный конвейер, в котором я создаю наборы tf.Datase из файлов TFRecords и передаю их в модель Keras вместе с дополнением данных и множеством проверок и проверок работоспособности. Поэтому, пожалуйста, позвольте мне извиниться за то, что я не смог привести полностью воспроизводимый пример.
В любом случае, я пытаюсь обучить модель классификации изображений, и у меня есть данные моего изображения в виде 192 * 256 тензоров в оттенках серого, и помечает их как трехмерные векторы с горячим кодированием.
проблема возникает, когда я пытаюсь подогнать модель, и, по-видимому, это связано с активацией softmax и / или категориальной функцией потери кроссцентропии.
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)
в вышеприведенном «aug_data [0]» - обучающие выборки, а [1] - метки (для подачи наборов tf.data в Keras требуется, чтобы образцы и метки были в кортежах). Запуск вышеприведенного заставляет меня:
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.
Я печатаю форму тензоров ввода и метки (прямо под сводкой модели), чтобы подтвердить, что форма соответствует ожидаемой. Однако я получаю эту странную ошибку, которую я не могу решить за свою жизнь. С разреженной перекрестной энтропией я получаю еще одну ошибку, опять же с уменьшением количества пакетов.
Интересно, что использование бинарной кроссентропии позволяет модели работать (хотя и не многому учиться ...).
Я никогда прежде не пытался соединить вместе tf.datasets и Keras, и это кажется довольно сложной задачей. Любой вклад в это будет полезно и высоко ценится!
Приветствия