前端之家

  1. 首页
  2. 问答

ValueError：无法压缩dim [1]，预期尺寸为1，输入形状为[？，17]

• 问答
我正在尝试实施Alexnet来检测糖尿病性视网膜病变。 这是代码 
path="D:\\dataset\\train\\t\\"

count = 1
imgList=list()
labelList=list()
ite = 1

print("Loading Model design ....")
json_file = open('Model.json','r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)

print("Loading weights ....")
loaded_model.load_weights("Model_weight.h5")

opt = Adam(lr=0.001)
loaded_model.compile(optimizer=opt,loss=keras.losses.sparse_categorical_crossentropy,metrics=['accuracy'])

while ite <= 1:
    limit = 10 * ite
    imgList=list()
    labelList=list()
    while count <= limit:
        imgC0 = path+"class_0_img_%d.jpeg" %(count)
        imgC1 = path+"class_1_img_%d.jpeg" %(count)
        imgC2 = path+"class_2_img_%d.jpeg" %(count)
        imgC3 = path+"class_3_img_%d.jpeg" %(count)
        imgC4 = path+"class_4_img_%d.jpeg" %(count)

        lC0 = np.zeros((1,17))
        lC1 = np.zeros((1,17))
        lC2 = np.zeros((1,17))
        lC3 = np.zeros((1,17))
        lC4 = np.zeros((1,17))

        lC0[0,0] = 1
        lC1[0,1] = 1
        lC2[0,2] = 1
        lC2[0,3] = 1
        lC2[0,4] = 1

        im0=cv.resize(cv.imread(imgC0),(227,227))
        im1=cv.resize(cv.imread(imgC1),227))
        im2=cv.resize(cv.imread(imgC2),227))
        im3=cv.resize(cv.imread(imgC3),227))
        im4=cv.resize(cv.imread(imgC4),227))

        imgList.append(im0)
        imgList.append(im1)
        imgList.append(im2)
        imgList.append(im3)
        imgList.append(im4)

        labelList.append(lC0)
        labelList.append(lC1)
        labelList.append(lC2)
        labelList.append(lC3)
        labelList.append(lC4)

        print(count)

        del(imgC0)
        del(imgC1)
        del(imgC2)
        del(imgC3)
        del(imgC4)
        del(lC0)
        del(lC1)
        del(lC2)
        del(lC3)
        del(lC4)
        count += 1

    labelMatrix = labelList

    xtr = np.array(imgList)
    xtr = xtr.reshape(-1,227,3)
    ytr = np.array(labelMatrix)
    ytr = ytr.reshape(-1,17)

    print(xtr.shape)
    print(ytr.shape)

    print(type(ytr))

    print("Model Training ....")
    loaded_model.fit(xtr,ytr,epochs=1,batch_size=50,validation_split=0.1)

    print("Saving Model weights ....")
    #loaded_model.save_weights("Model_weight.h5")

    ite += 1
    del(imgList)
    del(labelList)

print("Finished ....")

我收到以下错误消息：

文件“”，第1行，在 runfile（'D：/Project/ModelTrain.py'，wdir ='D：/ Project'）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ spyder_kernels \ customize \ spydercustomize.py”，行文件中的827行 execfile（文件名，命名空间）

exec文件中的第110行，文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ spyder_kernels \ customize \ spydercustomize.py” exec（compile（f.read（），文件名，'exec'），命名空间）

文件“ D：/Project/ModelTrain.py”，第103行，在 loading_model.fit（xtr，ytr，epochs = 1，batch_size = 50，validation_split = 0.1）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training.py”，第728行，适合 use_multiprocessing = use_multiprocessing）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2.py”，行324，适合 total_epochs = epochs）

run_one_epoch中的第123行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2.py” batch_outs =执行功能（迭代器）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2_utils.py”，行86，在execute_function中 distribution_function（input_fn））

调用中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ def_function.py”，第457行 结果= self._call（* args，** kwds）

文件_call中的第503行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ def_function.py” self._initialize（args，kwds，add_initializers_to = initializer_map）

文件_initialize中的第408行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ def_function.py” * args，** kwds））

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ function.py”，行1848，位于_get_concrete_function_internal_garbage_collected中 graph_function，_，_ = self._maybe_define_function（args，kwargs）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ function.py”，行2150，在_maybe_define_function中 graph_function = self._create_graph_function（args，kwargs）

_create_graph_function中的第2041行，文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ function.py” capture_by_value = self._capture_by_value），

在func_graph_from_py_func中的行915中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ func_graph.py” func_outputs = python_func（* func_args，** func_kwargs）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ eager \ def_function.py”，第358行，位于wrapd_fn中 返回strong_wrapped_fn（）。包裹（* args，** kwds）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2_utils.py”，第73行，位于distributed_function中 per_replica_function，args =（model，x，y，sample_weights））

experimental_run_v2中的第760行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ distribute \ distribute_lib.py” 返回self._extended.call_for_each_replica（fn，args = args，kwargs = kwargs）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ distribute \ distribute_lib.py”，行1787，位于call_for_each_replica中 返回self._call_for_each_replica（fn，args，kwargs）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ distribute \ distribute_lib.py”，行2132，在_call_for_each_replica中 返回fn（* args，** kwargs）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ autograph \ impl \ api.py”，第292行，在包装器中 返回func（* args，** kwargs）

train_on_batch中的第264行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_v2_utils.py” output_loss_metrics = model._output_loss_metrics）

train_on_batch中的第315行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_eager.py” 模型，输出，目标，sample_weights = sample_weights，masks = masks）

_eager_metrics_fn中第74行的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_eager.py” skip_target_masks = model._prepare_skip_target_masks（））

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training.py”，第2063行，在_handle_metrics中 目标，输出，output_mask））

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training.py”，第2014行，在_handle_per_output_metrics中 metric_fn，y_true，y_pred，weights = weights，mask = mask）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ engine \ training_utils.py”，行1067，在call_metric_function中 返回metric_fn（y_true，y_pred，sample_weight = weights）

调用中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ metrics.py”，第193行 copy_local_fn，* args，** kwargs）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ distribute \ distributed_training_utils.py”，行1135，在call_replica_local_fn中 返回fn（* args，** kwargs）

replica_local_fn中的第176行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ metrics.py” update_op = self.update_state（* args，** kwargs）＃pylint：disable = not-callable

第75行中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ utils \ metrics_utils.py” update_op = update_state_fn（* args，** kwargs）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ metrics.py”，第581行，处于update_state 匹配= self._fn（y_true，y_pred，** self._fn_kwargs）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ keras \ metrics.py”，行2778，以sparse_categorical_accuracy y_true = array_ops.squeeze（y_true，[-1]）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ util \ dispatch.py​​”，包装中的第180行 返回目标（* args，** kwargs）

new_func中的第507行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ util \ deprecation.py” 返回func（* args，** kwargs）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ ops \ array_ops.py”，行3649，被压缩 返回gen_array_ops.squeeze（输入，轴，名称）

文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ ops \ gen_array_ops.py”，第10071行，处于压缩状态 “压缩”，输入=输入，squeeze_dims =轴，名称=名称）

_apply_op_helper中的第793行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ op_def_library.py” op_def = op_def）

create_op中的第548行“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ func_graph.py” compute_device）

_create_op_internal中的第3429行，文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ ops.py” op_def = op_def）

init 中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ ops.py”，行1773 control_input_ops）

文件_create_c_op中的文件“ C：\ Users \ Ammar Ameer \ Anaconda3 \ lib \ site-packages \ tensorflow_core \ python \ framework \ ops.py”，行1613 引发ValueError（str（e））

ValueError：无法压缩尺寸为1的dim [1]，预期尺寸为1，对于“ metrics / accuracy / Squeeze”（运算符：“ Squeeze”），输入形状为[？，17]，结果为17。

有人可以帮我吗.. 我已将模型另存为

model = Sequential()

# 1st Convolutional Layer
model.add(Conv2D(filters=96,input_shape=(227,3),kernel_size=(11,11),strides=(4,4),padding="valid",activation = "relu"))

# Max Pooling
model.add(MaxPool2D(pool_size=(3,strides=(2,2),padding="valid"))

# 2nd Convolutional Layer
model.add(Conv2D(filters=256,kernel_size=(5,5),strides=(1,1),padding="same",padding="valid"))

# 3rd Convolutional Layer
model.add(Conv2D(filters=384,kernel_size=(3,activation = "relu"))

# 4th Convolutional Layer
model.add(Conv2D(filters=384,activation = "relu"))

# 5th Convolutional Layer
model.add(Conv2D(filters=256,padding="valid"))

# Passing it to a Fully Connected layer
model.add(flatten())
# 1st Fully Connected Layer
model.add(Dense(units = 9216,activation = "relu"))

# 2nd Fully Connected Layer
model.add(Dense(units = 4096,activation = "relu"))

# 3rd Fully Connected Layer
model.add(Dense(4096,activation = "relu"))

# Output Layer
model.add(Dense(17,activation = "softmax")) #As we have two classes

opt = Adam(lr=0.001)
model.compile(optimizer=opt,metrics=['accuracy'])

model.summary()


model_jason = model.to_json()
with open("Model.json","w") as json_file:
    json_file.write(model_jason)

model.save_weights("Model_weight.h5")

请帮我解决这个问题。

xuu805 回答：ValueError：无法压缩dim [1]，预期尺寸为1，输入形状为[？，17]
暂时没有好的解决方案，如果你有好的解决方案，请发邮件至：iooj@foxmail.com
cnnkerasnumpytensorflow
本文链接：https://www.f2er.com/2673553.html

大家都在问