今天，在运行model.fit()时，我突然莫名其妙地出现了这个错误。这以前也用过，我使用的是TF2.3.0，更具体地说是它的Keras模块。该函数是在生成器内部进行验证时调用的，生成器被输入到model.predict()中。
基本上，我加载一个检查点，继续训练网络，并对验证进行预测。
即使从头开始训练模型并擦除所有相关数据，错误也会不断发生。这就像是在某个地方对某个东西进行了硬编码，因为直到几个小时前我还能够运行model.fit()。
我看到了几种这样的解决方案，但这些变体都不适合我，因为它们会导致更棘手的错误消息。
我甚至尝试安装一个不同版本的TF，认为这是由于一些旧版本造成的，但错误仍然存在。
我会回答我自己的问题，因为这个问题特别棘手，我在互联网上找到的解决方案都不适合我，可能是因为过时了。
我只写下相关的部分添加到代码中，可以随意添加更多的技术解释。我喜欢使用args传递变量，但它可以在没有的情况下工作
from tensorflow.python.keras.backend import set_session
from tensorflow.keras.models import load_model
import generator # custom generator
def main(args):
# open new session and define TF graph
args.sess = tf.compat.v1.Session()
args.graph = tf.compat.v1.get_default_graph()
set_session(args.sess)
# define training generator
train_generator = generator(args.train_data)
# load model
args.model = load_model(args.model_path)
args.model.fit(train_generator)
然后，在模型预测函数中：
# In my specific case, the predict_output() function is
# called inside the generator function
def predict_output(args, x):
with args.graph.as_default():
set_session(args.sess)
y = model.predict(x)
return y