我正在处理这个CNN。输入形状是动态的，但我将其固定为[？，600451，3](batch_size，height，width，channels(，以便调试它。
我有一个随机批次生成器我创建了：
test = random_batch_generator(z_train
, num_processes=12
, num_batch=steps_train
, preloaded_batch=100
, batch_size=batch_size
, chunk_size=batch_size
, dataaugmfunc=heavy_dataaugm
, seq=seq
, initial_dim=initial_dim
, min_overlap=MINOVERLAP
)
当我这样做时：
next(test)[0].shape
或
next(test)[0].dtype
它向我输出正确的形状([？，600451，3](和dtype(float32(，这在理论上是我输入所必需的。我还检查了批次的内容，看起来不错。
尽管如此，当我用以下内容训练我的模型时，我还是得到了：
model.fit_generator(
random_batch_generator(z_train (...)),
validation_data= (x_val_mem,y_val_mem),
steps_per_epoch=steps_train,
validation_steps=steps_val,
epochs=epochs
,callbacks=model_callbacks(modelname)
,class_weight = [0.005,0.995]
)
此错误消息：
InvalidArgumentError(请参阅上面的回溯(：您必须为占位符张量"input_1"提供一个具有dtype float和shape[？，600451,3]的值
[[节点：input_1=Placeholderdtype=DT_FLOAT，shape=[？，600451,3]，_device="/作业：localhost/副本：0/任务：0/设备：GPU:0"]]
我做错了什么？非常感谢你在这方面的任何帮助或直觉。
您正在使用TensorBoard回调吗？如果是这样的话，你可以在创建模型之前尝试添加它
import keras.backend as K
K.clear_session()
看到这个答案
- 大多数时候，由于未使用的输入(在拟合生成器上(被添加到网络中，所以会出现此问题。尽量避免在网络中对未使用的输入进行注释，然后重试。如果模型的输入数量和批处理生成器或fit((函数的输入数量不平衡，就会出现此问题
在您必须重置会话之前*
import keras.backend as K
K.clear_session()
不确定这是原因，但有些东西与验证数据不兼容。
如果将验证数据作为数组，则将其作为validation_data=(array_x, array_y)传递，而不存在validation_steps。
现在，如果它是一个生成器，那么您需要将它作为validation_data = someGenerator传递，然后传递validation_steps=number_of_batches_expected_from_generator。
当我设置'histogram_freq = 1'而不是0时，发生了这种情况(TF 1.14(。