无法挤压 dim[1]，期望维度为 1，得到 2 [[{{node predict/feature_vector/SpatialSqueeze}}]] [Op:__inference_train_function_253305]
Can not squeeze dim[1], expected a dimension of 1, got 2 [[{{node predict/feature_vector/SpatialSqueeze}}]] [Op:__inference_train_function_253305]
我发现在使用 'Mobilenet_tranferLearning' 时很难训练以下模型。我正在使用 ImageDataGenerator 和 flow_from_directory 方法从目录中扩充和加载文件。有趣的是，我的代码在使用 InceptionV3 时不会抛出任何错误，但在我使用 'Mobilenet_tranferLearning' 时会抛出任何错误。
我会很感激一些指示，因为我相信我使用的是正确的损失函数 'categorical_crossentropy'，我也在 train_generator 中定义了它（class_mode='categorical'）。
train_datagen = ImageDataGenerator(
rescale= 1./255,
shear_range= 0.2,
zoom_range= 0.2,
horizontal_flip= True,
rotation_range= 20,
width_shift_range= 0.2,
height_shift_range= 0.2,
validation_split=0.2,)
valid_datagen = ImageDataGenerator(
rescale= 1./255,
validation_split=0.2,)
train_generator = train_datagen.flow_from_directory(
'/content/fold/images/Images',
target_size= (243, 243),
color_mode= 'rgb',
batch_size= 64,
class_mode= 'categorical',
subset='training',
shuffle= True,
seed= 1337)
valid_generator = valid_datagen.flow_from_directory(
'/content/fold/images/Images',
target_size= (243, 243),
color_mode= 'rgb',
batch_size= 64,
class_mode= 'categorical',
subset='validation',
shuffle= True,
seed= 1337)
`import tensorflow_hub as hub
# from tensorflow.keras import Activations
classifier_url ="https://hub.tensorflow.google.cn/google/tf2-
preview/mobilenet_v2/feature_vector/4"
baseModel = hub.KerasLayer(classifier_url, input_shape=(224,224,3), output_shape=[1280],
name="Mobilenet")
baseModel.trainable = False # freeze mobilenet weights
myModel = Sequential(name="Mobilenet_tranferLearning")
myModel.add(baseModel)
myModel.add(Flatten())
myModel.add(Dropout(0.2))
myModel.add(Dense(120,activation='softmax'))
myModel.summary()`
myModel.compile(optimizer= 'adam', loss= 'categorical_crossentropy', metrics= ['accuracy'])
history = myModel.fit(train_generator,
epochs=25,
validation_data=valid_generator)`
我收到以下错误：
InvalidArgumentError：图形执行错误：
在节点 'predict/feature_vector/SpatialSqueeze' 处检测到定义于（最近一次调用最后一次）：
文件“/usr/lib/python3.7/runpy.py”，第 193 行，在 _run_module_as_main 中
"主要", mod_spec)
文件“/usr/lib/python3.7/runpy.py”，第 85 行，在 _run_code 中
执行（代码，run_globals）
文件“/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py”，第 16 行，位于
app.launch_new_instance()
文件“/usr/local/lib/python3.7/dist-packages/traitlets/config/application.py”，第 846 行，在 launch_instance 中
app.start()
文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelapp.py”，第 499 行，在开始
self.io_loop.start()
文件“/usr/local/lib/python3.7/dist-packages/tornado/platform/asyncio.py”，第 132 行，开始
self.asyncio_loop.run_forever()
文件“/usr/lib/python3.7/asyncio/base_events.py”，第 541 行，在 run_forever 中
self._run_once()
文件“/usr/lib/python3.7/asyncio/base_events.py”，第 1786 行，在 _run_once 中
handle._run()
文件“/usr/lib/python3.7/asyncio/events.py”，第 88 行，在 _run
self._context.run(self._callback, *self._args)
文件“/usr/local/lib/python3.7/dist-packages/tornado/platform/asyncio.py”，第 122 行，在 _handle_events 中
handler_func（文件对象，事件）
文件“/usr/local/lib/python3.7/dist-packages/tornado/stack_context.py”，第 300 行，在 null_wrapper 中
return fn(*args, **kwargs)
文件“/usr/local/lib/python3.7/dist-packages/zmq/eventloop/zmqstream.py”，第 452 行，在 _handle_events 中
self._handle_recv()
文件“/usr/local/lib/python3.7/dist-packages/zmq/eventloop/zmqstream.py”，第 481 行，在 _handle_recv 中
self._run_callback（回调，消息）
文件“/usr/local/lib/python3.7/dist-packages/zmq/eventloop/zmqstream.py”，第 431 行，在 _run_callback 中
回调（*args，**kwargs）
文件“/usr/local/lib/python3.7/dist-packages/tornado/stack_context.py”，第 300 行，在 null_wrapper 中
return fn(*args, **kwargs)
调度程序中的文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelbase.py”，第 283 行
return self.dispatch_shell（流，消息）
文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelbase.py”，第 233 行，在 dispatch_shell 中
处理程序（流、标识、消息）
文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelbase.py”，第 399 行，在 execute_request 中
user_expressions, allow_stdin)
文件“/usr/local/lib/python3.7/dist-packages/ipykernel/ipkernel.py”，第 208 行，在 do_execute 中
res = shell.run_cell(代码, store_history=store_history, silent=无声)
文件“/usr/local/lib/python3.7/dist-packages/ipykernel/zmqshell.py”，第 537 行，在 run_cell 中
return super(ZMQInteractiveShell, self).run_cell(*args, **kwargs)
文件“/usr/local/lib/python3.7/dist-packages/IPython/core/interactiveshell.py”，第 2718 行，在 run_cell 中
交互性=交互性，编译器=编译器，结果=结果）
文件“/usr/local/lib/python3.7/dist-packages/IPython/core/interactiveshell.py”，第 2822 行，在 run_ast_nodes 中
如果 self.run_code（代码，结果）：
文件“/usr/local/lib/python3.7/dist-packages/IPython/core/interactiveshell.py”，第 2882 行，在 run_code 中
执行（code_obj，self.user_global_ns，self.user_ns）
文件“”，第 4 行，位于
baseModel = hub.KerasLayer(classifier_url, input_shape=(224,224,3), output_shape=[1280], name="Mobilenet")
文件“/usr/local/lib/python3.7/dist-packages/tensorflow_hub/keras_layer.py”，第 153 行，在 init 中
self._func = load_module（句柄，标签，self._load_options）
文件“/usr/local/lib/python3.7/dist-packages/tensorflow_hub/keras_layer.py”，第 449 行，在 load_module 中
return module_v2.load（句柄，标签=标签，选项=set_load_options）
文件“/usr/local/lib/python3.7/dist-packages/tensorflow_hub/module_v2.py”，第 106 行，加载中
obj = tf.compat.v1.saved_model.load_v2(module_path, 标签=标签)
节点：'predict/feature_vector/SpatialSqueeze'
无法挤压 dim[1]，期望维度为 1，结果为 2
[[{{节点 predict/feature_vector/SpatialSqueeze}}]] [操作:__inference_train_function_253305]
确保您在 flow_from_directory 和 hub.KerasLayer 中的图像尺寸 相同 (224, 224)。这是一个工作示例：
import tensorflow_hub as hub
import tensorflow as tf
img_gen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255, rotation_range=20)
flowers = tf.keras.utils.get_file(
'flower_photos',
'https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz',
untar=True)
train_ds = img_gen.flow_from_directory(flowers, target_size=(224, 224), batch_size=32, shuffle=True)
classifier_url ="https://hub.tensorflow.google.cn/google/tf2-preview/mobilenet_v2/feature_vector/4"
baseModel = hub.KerasLayer(classifier_url, input_shape=(224,224,3), output_shape=[1280],
name="Mobilenet")
baseModel.trainable = False # freeze mobilenet weights
myModel = tf.keras.Sequential(name="Mobilenet_tranferLearning")
myModel.add(baseModel)
myModel.add(tf.keras.layers.Flatten())
myModel.add(tf.keras.layers.Dropout(0.2))
myModel.add(tf.keras.layers.Dense(5,activation='softmax'))
myModel.summary()
myModel.compile(optimizer= 'adam', loss= 'categorical_crossentropy', metrics= ['accuracy'])
history = myModel.fit(train_ds, epochs=25)
我发现在使用 'Mobilenet_tranferLearning' 时很难训练以下模型。我正在使用 ImageDataGenerator 和 flow_from_directory 方法从目录中扩充和加载文件。有趣的是，我的代码在使用 InceptionV3 时不会抛出任何错误，但在我使用 'Mobilenet_tranferLearning' 时会抛出任何错误。 我会很感激一些指示，因为我相信我使用的是正确的损失函数 'categorical_crossentropy'，我也在 train_generator 中定义了它（class_mode='categorical'）。
train_datagen = ImageDataGenerator(
rescale= 1./255,
shear_range= 0.2,
zoom_range= 0.2,
horizontal_flip= True,
rotation_range= 20,
width_shift_range= 0.2,
height_shift_range= 0.2,
validation_split=0.2,)
valid_datagen = ImageDataGenerator(
rescale= 1./255,
validation_split=0.2,)
train_generator = train_datagen.flow_from_directory(
'/content/fold/images/Images',
target_size= (243, 243),
color_mode= 'rgb',
batch_size= 64,
class_mode= 'categorical',
subset='training',
shuffle= True,
seed= 1337)
valid_generator = valid_datagen.flow_from_directory(
'/content/fold/images/Images',
target_size= (243, 243),
color_mode= 'rgb',
batch_size= 64,
class_mode= 'categorical',
subset='validation',
shuffle= True,
seed= 1337)
`import tensorflow_hub as hub
# from tensorflow.keras import Activations
classifier_url ="https://hub.tensorflow.google.cn/google/tf2-
preview/mobilenet_v2/feature_vector/4"
baseModel = hub.KerasLayer(classifier_url, input_shape=(224,224,3), output_shape=[1280],
name="Mobilenet")
baseModel.trainable = False # freeze mobilenet weights
myModel = Sequential(name="Mobilenet_tranferLearning")
myModel.add(baseModel)
myModel.add(Flatten())
myModel.add(Dropout(0.2))
myModel.add(Dense(120,activation='softmax'))
myModel.summary()`
myModel.compile(optimizer= 'adam', loss= 'categorical_crossentropy', metrics= ['accuracy'])
history = myModel.fit(train_generator,
epochs=25,
validation_data=valid_generator)`
我收到以下错误：
InvalidArgumentError：图形执行错误：
在节点 'predict/feature_vector/SpatialSqueeze' 处检测到定义于（最近一次调用最后一次）： 文件“/usr/lib/python3.7/runpy.py”，第 193 行，在 _run_module_as_main 中 "主要", mod_spec) 文件“/usr/lib/python3.7/runpy.py”，第 85 行，在 _run_code 中 执行（代码，run_globals） 文件“/usr/local/lib/python3.7/dist-packages/ipykernel_launcher.py”，第 16 行，位于 app.launch_new_instance() 文件“/usr/local/lib/python3.7/dist-packages/traitlets/config/application.py”，第 846 行，在 launch_instance 中 app.start() 文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelapp.py”，第 499 行，在开始 self.io_loop.start() 文件“/usr/local/lib/python3.7/dist-packages/tornado/platform/asyncio.py”，第 132 行，开始 self.asyncio_loop.run_forever() 文件“/usr/lib/python3.7/asyncio/base_events.py”，第 541 行，在 run_forever 中 self._run_once() 文件“/usr/lib/python3.7/asyncio/base_events.py”，第 1786 行，在 _run_once 中 handle._run() 文件“/usr/lib/python3.7/asyncio/events.py”，第 88 行，在 _run self._context.run(self._callback, *self._args) 文件“/usr/local/lib/python3.7/dist-packages/tornado/platform/asyncio.py”，第 122 行，在 _handle_events 中 handler_func（文件对象，事件） 文件“/usr/local/lib/python3.7/dist-packages/tornado/stack_context.py”，第 300 行，在 null_wrapper 中 return fn(*args, **kwargs) 文件“/usr/local/lib/python3.7/dist-packages/zmq/eventloop/zmqstream.py”，第 452 行，在 _handle_events 中 self._handle_recv() 文件“/usr/local/lib/python3.7/dist-packages/zmq/eventloop/zmqstream.py”，第 481 行，在 _handle_recv 中 self._run_callback（回调，消息） 文件“/usr/local/lib/python3.7/dist-packages/zmq/eventloop/zmqstream.py”，第 431 行，在 _run_callback 中 回调（*args，**kwargs） 文件“/usr/local/lib/python3.7/dist-packages/tornado/stack_context.py”，第 300 行，在 null_wrapper 中 return fn(*args, **kwargs) 调度程序中的文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelbase.py”，第 283 行 return self.dispatch_shell（流，消息） 文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelbase.py”，第 233 行，在 dispatch_shell 中 处理程序（流、标识、消息） 文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelbase.py”，第 399 行，在 execute_request 中 user_expressions, allow_stdin) 文件“/usr/local/lib/python3.7/dist-packages/ipykernel/ipkernel.py”，第 208 行，在 do_execute 中 res = shell.run_cell(代码, store_history=store_history, silent=无声) 文件“/usr/local/lib/python3.7/dist-packages/ipykernel/zmqshell.py”，第 537 行，在 run_cell 中 return super(ZMQInteractiveShell, self).run_cell(*args, **kwargs) 文件“/usr/local/lib/python3.7/dist-packages/IPython/core/interactiveshell.py”，第 2718 行，在 run_cell 中 交互性=交互性，编译器=编译器，结果=结果） 文件“/usr/local/lib/python3.7/dist-packages/IPython/core/interactiveshell.py”，第 2822 行，在 run_ast_nodes 中 如果 self.run_code（代码，结果）： 文件“/usr/local/lib/python3.7/dist-packages/IPython/core/interactiveshell.py”，第 2882 行，在 run_code 中 执行（code_obj，self.user_global_ns，self.user_ns） 文件“”，第 4 行，位于 baseModel = hub.KerasLayer(classifier_url, input_shape=(224,224,3), output_shape=[1280], name="Mobilenet") 文件“/usr/local/lib/python3.7/dist-packages/tensorflow_hub/keras_layer.py”，第 153 行，在 init 中 self._func = load_module（句柄，标签，self._load_options） 文件“/usr/local/lib/python3.7/dist-packages/tensorflow_hub/keras_layer.py”，第 449 行，在 load_module 中 return module_v2.load（句柄，标签=标签，选项=set_load_options） 文件“/usr/local/lib/python3.7/dist-packages/tensorflow_hub/module_v2.py”，第 106 行，加载中 obj = tf.compat.v1.saved_model.load_v2(module_path, 标签=标签) 节点：'predict/feature_vector/SpatialSqueeze' 无法挤压 dim[1]，期望维度为 1，结果为 2 [[{{节点 predict/feature_vector/SpatialSqueeze}}]] [操作:__inference_train_function_253305]
确保您在 flow_from_directory 和 hub.KerasLayer 中的图像尺寸 相同 (224, 224)。这是一个工作示例：
import tensorflow_hub as hub
import tensorflow as tf
img_gen = tf.keras.preprocessing.image.ImageDataGenerator(rescale=1./255, rotation_range=20)
flowers = tf.keras.utils.get_file(
'flower_photos',
'https://storage.googleapis.com/download.tensorflow.org/example_images/flower_photos.tgz',
untar=True)
train_ds = img_gen.flow_from_directory(flowers, target_size=(224, 224), batch_size=32, shuffle=True)
classifier_url ="https://hub.tensorflow.google.cn/google/tf2-preview/mobilenet_v2/feature_vector/4"
baseModel = hub.KerasLayer(classifier_url, input_shape=(224,224,3), output_shape=[1280],
name="Mobilenet")
baseModel.trainable = False # freeze mobilenet weights
myModel = tf.keras.Sequential(name="Mobilenet_tranferLearning")
myModel.add(baseModel)
myModel.add(tf.keras.layers.Flatten())
myModel.add(tf.keras.layers.Dropout(0.2))
myModel.add(tf.keras.layers.Dense(5,activation='softmax'))
myModel.summary()
myModel.compile(optimizer= 'adam', loss= 'categorical_crossentropy', metrics= ['accuracy'])
history = myModel.fit(train_ds, epochs=25)