我已經在帶有張量流后端的 keras 中設置了一個帶有 K 折交叉驗證的自定義 CNN。在開始訓練之前會調用 model.compile() 函數，但調用 model.fit_generator() 函數會導致運行時錯誤：“您必須先編譯模型，然后才能使用它?！蔽沂褂?ImageDataGenerator 進行數據增強并使用 fit_generator 函數進行訓練。到目前為止，我發現的唯一相關問題與 tensorflow急切執行功能有關，該功能似乎未在 Keras中啟用。這是代碼：模型定義：model = Sequential()model.add(Conv2D(24, (5, 5),           strides=(1, 1),           padding="valid",           data_format="channels_last",          activation='relu',           use_bias=True,          ))#out=96model.add(Dropout(.25))model.add(MaxPooling2D(pool_size=(2, 2)))#out=48model.add(Conv2D(32, (3, 3),           strides=(1, 1),           padding="valid",           data_format="channels_last",          activation='relu',           use_bias=True,          ))#out=46model.add(MaxPooling2D(pool_size=(2, 2)))#out=23model.add(Conv2D(48, (3, 3),           strides=(1, 1),           padding="valid",           data_format="channels_last",          activation='relu',           use_bias=True,          ))#out=21model.add(MaxPooling2D(pool_size=(2, 2)))#padding???model.add(Flatten())model.add(Dense(3, activation='softmax'))...這里將是數據初始化...設置 ImageGenerator：datagen_training = ImageDataGenerator(            rotation_range = 20,            width_shift_range = 0.3,            height_shift_range=0.3,            zoom_range=0.2,            fill_mode = "constant",            cval = 0,            vertical_flip = True,            validation_split = 0.2            )datagen_training.fit(data)