Keras模型中为fit（）函数提供的验证数据形状不匹配？答案

【问题标题】：Shape Mistmatch on Validation Data givent to fit() function on Keras Model?Keras模型中为fit（）函数提供的验证数据形状不匹配？
【发布时间】：2017-10-27 01:47:48
【问题描述】：

我有 1 个数据集 (MNIST btw)，分为训练和测试，两者的形状完全相同。我在训练部分训练了一个卷积自动编码器，并在下面的 fit() 函数调用中使用另一个进行验证。

如果我删除validation_data=(x_test,x_test)，代码可以完美运行（即模型训练火车数据并提供良好的结果）但是我必须使用validation_data，问题是当我使用它们时，在第一个时期之后，当损失在训练数据上计算并且需要为测试数据计算时，我得到一个错误：

纪元 1/5 896/1000 [=========================>....] - ETA：0s - 损失： 0.6677------------------------------------------------ -------------------------- InvalidArgumentError Traceback（最近调用最后）

InvalidArgumentError：张量必须是 4-D，最后一个暗淡为 1、3 或 4，而不是 [1,3,3,8,8,1] [[节点：conv2d_3/kernel_0_1 = ImageSummary[T=DT_FLOAT, bad_color=Tensor, max_images=3

我该如何解决？

(x_train, _), (x_test, _) = mnist.load_data()
print("+++++++++++++++shape of x_train " , x_train.shape)
x_train = x_train.astype('float32') / 255.
x_test = x_test.astype('float32') / 255.
# adapt this if using `channels_first` image data format
x_train = np.reshape(x_train, (len(x_train), 28, 28, 1))
# adapt this if using `channels_first` image data format
x_test = np.reshape(x_test, (len(x_test), 28, 28, 1))

#TODO remove after i have solved the problem with the dim mismatch when using the validation dataset
x_train = x_train[range(1000),:,:,:]
x_test = x_test[range(1000),:,:,:]

# execute this in terminal to start tensorboard and let it watch the given logfile
# tensorboard --logdir=/tmp/autoencoder

tensorboardPath = os.path.join(os.getcwd(),"tensorboard")
tensorBoard = TensorBoard(log_dir=tensorboardPath,write_graph=True,write_images=True,histogram_freq=1, embeddings_freq=1, embeddings_layer_names=None)
checkpointer = ModelCheckpoint(filepath=os.path.join(os.getcwd(),"tensorboard"), verbose=1, save_best_only=True)

autoencoder.fit(x_train, x_train,
            epochs=5,
            batch_size=128,
            shuffle=True,
            validation_data=(x_test,x_test),
            callbacks=[tensorBoard, checkpointer])`

【问题讨论】：

标签： python tensorflow keras keras-layer

【解决方案1】：

好的，我找到了问题所在。显然，当使用将 write_images 设置为 true 的 Tenorboard 回调时。将卷积层的可视化写成图像存在问题。因为存在尺寸不匹配。据我了解，如果验证数据可用，则会写出此类调试数据。如果我将 write_images 设置为 false，则一切正常。

【讨论】：