TypeError и ValueError во время тренировки модели с керасом

Question

Я тренирую сверточную модель с керасом.И я столкнулся с двумя ошибками, с которыми я никогда не сталкивался ранее, и я не мог найти их решение онлайн.Вот весь вывод трассировки ошибок:

ПРЕДУПРЕЖДЕНИЕ: ведение журнала перед разбором флага переходит к stderr.W0617 03: 18: 36.916876 139928036104064 deprecation_wrapper.py:119] From /usr/local/lib/python3.6/dist-packages/keras/backend/tensorflow_backend.py:74: имя tf.get_default_graph устарело.Пожалуйста, используйте вместо этого tf.compat.v1.get_default_graph.

W0617 03:18:36.956070 139928036104064 deprecation_wrapper.py:119] From

/ usr / local / lib / python3.6 / dist-packages / keras / backend / tenorflow_backend.py: 517: имя tf.placeholderустарела.Пожалуйста, используйте вместо этого tf.compat.v1.placeholder.

W0617 03:18:36.965062 139928036104064 deprecation_wrapper.py:119] From

/ usr / local / lib / python3.6 / dist-packages / keras / backend / tenorsflow_backend.py: 4185: имя tf.truncated_normalустарела.Пожалуйста, используйте tf.random.truncated_normal вместо этого.

W0617 03:18:37.005445 139928036104064 deprecation_wrapper.py:119] From

/ usr / local / lib / python3.6 / dist-packages / keras / backend / tenorflow_backend.py: 174: имя tf.get_default_session устарело,Пожалуйста, используйте взамен tf.compat.v1.get_default_session.

W0617 03:18:37.006534 139928036104064 deprecation_wrapper.py:119] From

/ usr / local / lib / python3.6 / dist-packages / keras / backend / tenorsflow_backend.py: 181: имя tf.ConfigProtoустарела.Используйте взамен tf.compat.v1.ConfigProto.

W0617 03:18:39.945574 139928036104064 deprecation_wrapper.py:119] From

/ usr / local / lib / python3.6 / dist-packages / keras / backend / tenorflow_backend.py: 1834: имя tf.nn.fused_batch_norm устарела.Используйте взамен tf.compat.v1.nn.fused_batch_norm.

/usr/local/lib/python3.6/dist-packages/ipykernel_launcher.py:19: UserWarning: Update your `Model` call to the Keras 2 API:

Model(inputs=Tensor("in..., outputs=Tensor("ac...) W0617 03: 18: 40.237022 139928036104064 deprecation_wrapper.py:119] От /usr/local/lib/python3.6/dist-packages / keras / optimizer.py: 790: имя tf.train.Optimizer устарело.Пожалуйста, используйте вместо этого tf.compat.v1.train.Optimizer.

W0617 03:18:40.366632 139928036104064 deprecation.py:323] From /usr/local/lib/python3.6/dist-packages/tensorflow/python/ops/math_grad.py:1250:

add_dispatch_support..wrapper (fromensorflow.python.ops.array_ops) устарело и будет удалено в следующей версии.Инструкции по обновлению: используйте tf.where в 2.0, который имеет то же правило широковещания, что и np.where _________________________________________________________________ Layer (тип) Параметр формы вывода #
======================================================================== input_1 (InputLayer) (Нет, 28, 28, 1) 0
_________________________________________________________________ conv2d_1 (Conv2D) (Нет, 28, 28, 36) 180
_________________________________________________________________ batch_normalization_1 (Пакет (нет, 28, 28, 36) 144
_________________________________________________________________ активации_1 (активация) (нет, 28, 28, 36) 0
_________________________________________________________________ conv2d_2 (Conv2D) (нет, 28, 28, 18) 2610
_________________________________________________________________ batch_normalization_2 (Пакет (нет, 28, 28, 18) 72
_________________________________________________________________ активации_2 (активация) (Nодин, 28, 28, 18) 0
_________________________________________________________________ conv2d_3 (Conv2D) (Нет, 28, 28, 9) 657
_________________________________________________________________ batch_normalization_3 (Пакет (Нет, 28, 28, 9) 36
_________________________________________________________________ активации_3 (Активация) (Нет, 28, 28, 9) 0
_________________________________________________________________ flatten_1 (Flatten) (Нет, 7056) 0
_________________________________________________________________ dens_1 (Плотный) (Нет, 345) 2434665
_________________________________________________________________ активация_4 (активация) (нет, 345) 0
================================================== =============== Всего параметров: 2 438 364 Обучаемые параметры: 2 438 238 Не обучаемые параметры: 126 _________________________________________________________________ Поезд на 3450000 образцов, проверка на 345000 образцов Эпоха 1/100 -------------------------------------------------- ------------------------- TypeError Traceback (последний вызов был последним) /usr/local/lib/python3.6/dist-packages/tables/array.py в getitem (self, key) 660 # Сначала попробуйте с обычным выбором -> 661 startl, stopl, stepl, shape = self._interpret_indexing (ключ) 662 обр = self._read_slice (startl, stopl, stepl, shape)

7 frames
TypeError: Non-valid index or slice: [1484419, 2231123, 3092786, 1496830, 493122, 736949, 1199629, 328357, 931000, 2946100, 415877,

1421951, 3421223, 2238167, 2940723, 1437219, 1839514, 2746665, 3359532, 3268348]

During handling of the above exception, another exception occurred:

ValueError                                Traceback (most recent call last)
/usr/local/lib/python3.6/dist-packages/tables/leaf.py in _point_selection(self, key)
    579             # handle negative indices
    580             idx = coords < 0
--> 581             coords[idx] = (coords + self.shape)[idx]
    582 
    583             # bounds check

ValueError: operands could not be broadcast together with shapes (20,) (4,)

Форма данных обучения (3450000, 28, 28, 1) и меток обучения (3450000, 345). Я обучал подобные модели раньше, но никогда не сталкивался с такими ошибками, как недопустимый срез индекса, и операнды не могли передаваться вместе. Я использую Google Colab для обучения. Код для обучения:

def create_model():
  inp = Input((28,28,1))
  conv1 = Conv2D(36,(2,2),padding="same",kernel_initializer="glorot_normal")(inp)
  batch1 = BatchNormalization()(conv1)
  act1 = Activation("relu")(batch1)

  conv2 = Conv2D(18,(2,2),padding="same",kernel_initializer="glorot_normal")(act1)
  batch2 = BatchNormalization()(conv2)
  act2 = Activation("relu")(batch2)

  conv3 = Conv2D(9,(2,2),padding="same",kernel_initializer="glorot_normal")(act2)
  batch3 = BatchNormalization()(conv3)
  act3 = Activation("relu")(batch3)

  out = Flatten()(act3)
  out = Dense(345)(out)
  out = Activation("softmax")(out)

  model = Model(input = inp, output = out)
  adm = optimizers.Adagrad(lr=0.02)
  model.compile(optimizer=adm,loss="categorical_crossentropy",metrics=['accuracy'])
  model.summary()

  return model

if __name__ == "__main__":
  model = create_model()
  history = model.fit(x = train_X, y = train_Y, batch_size = 20, epochs = 100, validation_data = (eval_X, eval_Y))