Keras model.fit()花费了很长时间，并且没有显示进度条

Question

我正在处理一个手写数字问题。希望我的代码足够自我解释。

import tensorflow as tf
from tensorflow import keras
from tensorflow.keras.utils import to_categorical
import matplotlib.pyplot as plt
import csv
import numpy as np

with open('train.csv') as f:
reader = csv.reader(f)
contents = list(reader)

labels = np.array(contents[0][1:])
labels = np.reshape(labels, (28,28,1))

numbers = []
shape = np.shape(contents)
num_inputs = shape[1]
num_samples = shape[0]
for i in np.arange(1,num_samples):
pixels = contents[i][1:]
pixels = np.array(pixels, dtype = int)
pixels = np.reshape(pixels, (28,28,1))
#pixels = to_categorical(pixels)
pixels = pixels / 255
numbers.append(pixels)
num_hidden_layer = round(2/3 * num_inputs + 10)

model = tf.keras.models.Sequential([
tf.keras.layers.MaxPooling2D(pool_size=(4,4), input_shape=(28,28,1)),
tf.keras.layers.Flatten(),
tf.keras.layers.Dense(num_hidden_layer, activation = 'relu'),
tf.keras.layers.Dense(10, activation = 'softmax')
])

model.summary()

model.compile(optimizer = 'adam',
loss = 'sparse_categorical_crossentropy',
metrics=['accuracy'])

model.fit(numbers, labels, epochs=3, verbose = 1)

numbers的形状是(42000, 28, 28, 1)，而labels的形状则是(42000, 28, 28, 1)。来自我的model.summary的平坦输入维度只有49，总共有31990个可训练参数。尽管如此，我的model.fit()只是永远运行，完全没有显示任何内容。我甚至尝试过进一步的maxpooling，但一无所获。为什么它什么都不做？我有verbose = 1，我还没有看到进度条。我该如何运行？

更新：

我只是让它运行，它最终停止了：ValueError: Layer sequential_1 expects 1 input(s), but it received 42000 input tensors.

Answer 1

我很确定它不起作用，因为您的标签值与模型定义不兼容。你的标签上有什么？28x28的型号标签似乎是错误的。您使用的是spare_categorical_crossentry，例如，它需要一个整数。这个整数将指向softmax输出中正确的标签。

Answer 2

标签应该只有一个维度，对吧？必须是一个整数数组。