无法挤压 dim[1]，预期维度为 1，得到 2 [[{{node Predict/feature_vector/SpatialSqueeze}}]] [Op:__inference_train_function_253305]

Question

我发现使用“Mobilenet_tranferLearning”时很难训练以下模型。我使用 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，但在使用“Mobilenet_tranferLearning”时会抛出任何错误。 我希望得到一些指示，因为我相信我正在使用正确的损失函数“categorical_crossentropy”，我也在 train_generator (class_mode='categorical') 中定义了该函数。

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：

在定义于（最近一次调用最后）的节点“predict/feature_vector/SpatialSqueeze”处检测到： 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 应用程序.start() 文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelapp.py”，第 499 行，在开始处 self.io_loop.start() 文件“/usr/local/lib/python3.7/dist-packages/tornado/platform/asyncio.py”，第 132 行，在 start 中 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 句柄._run() 文件“/usr/lib/python3.7/asyncio/events.py”，第 88 行，在 _run 中 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(fileobj, 事件) 文件“/usr/local/lib/python3.7/dist-packages/tornado/stack_context.py”，第 300 行，在 null_wrapper 中 返回 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 返回 fn(*args, **kwargs) 文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelbase.py”，第 283 行，在调度程序中 返回 self.dispatch_shell(流, 消息) 文件“/usr/local/lib/python3.7/dist-packages/ipykernel/kernelbase.py”，第 233 行，dispatch_shell 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 用户表达式、允许标准输入） 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=silent） 文件“/usr/local/lib/python3.7/dist-packages/ipykernel/zmqshell.py”，第 537 行，在 run_cell 中 返回 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 if 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 exec(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，init 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 返回 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(模块路径，标签=标签) 节点：'预测/feature_vector/SpatialSqueeze' 无法挤压 dim[1]，预期维度为 1，结果为 2 [[{{节点预测/feature_vector/SpatialSqueeze}}]] [操作：__inference_train_function_253305]

Answer 1

确保 flow_from_directory 和 hub.KerasLayer 中的图像大小(224, 224)相同。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)