ValueError: Input 0 is in compatible with layersimilarity_model: 预期形状=(None, 224, 224, 3), found shape=(None, None, 224, 224, 3)答案

【问题标题】：ValueError: Input 0 is incompatible with layer similarity_model: expected shape=(None, 224, 224, 3), found shape=(None, None, 224, 224, 3)ValueError: Input 0 is in compatible with layersimilarity_model: 预期形状=(None, 224, 224, 3), found shape=(None, None, 224, 224, 3)
【发布时间】：2021-09-25 14:34:56
【问题描述】：

我正在使用 tensorflow_similarity 创建模型。第一个 epoch 结束时引发的错误。

INPUT_SHAPE = (224,224,3)

我的模型（与示例 repo https://github.com/tensorflow/similarity/blob/master/examples/supervised_hello_world.ipynb 相同）

def create_model():
inputs = tf.keras.layers.Input(shape=INPUT_SHAPE)
x = tf.keras.layers.experimental.preprocessing.Rescaling(1./255)(inputs)
x = tf.keras.layers.Conv2D(32, 7, activation='relu')(x)
x = tf.keras.layers.Conv2D(32, 3, activation='relu')(x)
x = tf.keras.layers.MaxPool2D()(x)
x = tf.keras.layers.Conv2D(64, 7, activation='relu')(x)
x = tf.keras.layers.Conv2D(64, 3, activation='relu')(x)
x = tf.keras.layers.Flatten()(x)
x = tf.keras.layers.Dense(64, activation='relu')(x)

outputs = MetricEmbedding(64)(x)
return SimilarityModel(inputs, outputs)

我也尝试过通过 api 使用不同的模型

model = EfficientNetSim(input_shape=INPUT_SHAPE,embedding_size = 128,variant = "B0",augmentation = False,weights = None)

这个错误也和以前一样。

ValueError: Input 0 is incompatible with layer similarity_model: expected shape=(None, 224, 224, 3), found shape=(None, None, 224, 224, 3)

【问题讨论】：

试试 shape = (224,224,3,) 也许你错过了批量维度，即使我认为这是由 fit 处理的
是的，由合体处理。仍然提出错误。谢谢@PaoloJ42
好的，我很确定我明白了：它需要一个纯输入张量，尝试 inputs = keras.Input(shape = INPUT_SHAPE) 并将完整模型放在预处理之后（即输入层)
仍然引发错误。 tensorflow_similarity api 太新了。我正在努力挖掘。非常感谢您的帮助@PaoloJ426
@PaoloJ426 我解决了这个错误。合适的是validation_data。 tensorflow_similarity 中的采样器生成不等于 validation_data 的新批次。通过在 ( x_val , y_val ) 中给出验证数据或使等于采样器的批次来解决

标签： python tensorflow similarity

【解决方案1】：

我解决了这个错误。合适的是validation_data。 tensorflow_similarity 中的采样器生成不等于 validation_data 的新批次。通过在 ( x_val , y_val ) 中给出验证数据或使等于采样器的批次来解决。

【讨论】：