如何在“ fit”调用期间调试Tensorflow logits /标签形状问题？

编程问答 2022-08-10

问题描述

我正在尝试使用TensorFlow训练分段U-Net。在运行模型之前，对计算机上的图像数据集进行了预处理，并保存为Tfrecords。

因此，在训练之前，我用tf.data加载tfrecords。如果我看一个例子，就会明白：

ds_train = tf.data.TFRecordDataset(training_tfrecords).map(load_image_train,num_parallel_calls=tf.data.experimental.AUTOTUNE)
train_dataset = ds_train.cache().shuffle(BUFFER_SIZE).batch(BATCH_SIZE).repeat()
one_record = train_dataset.take(1)
for i,(img,seg) in enumerate(one_record):
    print(f"BatchImg{i}: {img.shape}")
    print(f"BatchSeg{i}: {seg.shape}")

输出（6 =批量大小，96 = img尺寸，1 =通道暗淡）：

BatchImg0: (6,96,1)
BatchSeg0: (6,1)

到目前为止看起来不错。但是当我尝试开始训练时，出现以下错误：

model_history = model.fit(train_dataset,epochs=EPOCHS,steps_per_epoch=180)

输出：

ValueError: logits and labels must have the same shape ((None,16) vs (None,None,1))

我不确定如何在这里进一步调试...谢谢您的帮助！

解决方法

正如安德雷（Andrey）指出的（谢谢！），我不仅需要检查输入的图像形状，还需要检查模型（logit）形状的输出。问题仅来自对数和分割之间的形状差异（最后一维中的“ 16”与1）。因此模型输出不正确。修复问题后（使用model.summary()找出要执行的操作），一切正常！

debuggingdebuggingdebuggingpythontensorflowtensorflowtensorflowtensorflow2.x