我正在研究 seq2seq keras/tensorflow 2.0 模型。每次用戶輸入內容時，我的模型都會完美地打印響應。然而，在每個響應的最后一行我得到這個：你：警告：tensorflow：你的輸入用完了數據；中斷訓練。確保您的數據集或生成器至少可以生成steps_per_epoch * epochs批次（在本例中為 2 個批次）。在構建數據集時，您可能需要使用 repeat() 函數?！澳悖骸笔俏业淖詈笠粋€輸出，在用戶應該輸入新內容之前。模型工作得很好，但我想沒有錯誤是好的，但我不太明白這個錯誤。它說“中斷訓練”，但是我沒有訓練任何東西，這個程序加載了一個已經訓練過的模型。我想這就是為什么錯誤沒有停止程序的原因？如果有幫助，我的模型如下所示：intent_model = keras.Sequential([ keras.layers.Dense(8, input_shape=[len(train_x[0])]), # input layer keras.layers.Dense(8), # hidden layer keras.layers.Dense(len(train_y[0]), activation="softmax"), # output layer])intent_model.compile(optimizer="adam", loss="categorical_crossentropy", metrics=["accuracy"])intent_model.fit(train_x, train_y, epochs=epochs)test_loss, test_acc = intent_model.evaluate(train_x, train_y)print("Tested Acc:", test_acc)intent_model.save("models/intent_model.h5")
4 回答
幕布斯6054654
TA貢獻1876條經驗 獲得超7個贊
為確保您有“至少steps_per_epoch * epochs批次”，steps_per_epoch請將
steps_per_epoch = len(X_train)//batch_size
validation_steps = len(X_test)//batch_size # if you have validation data
model.fit()您可以看到訓練中斷時進度條可以占用的最大批次數：
5230/10000 [==============>...............] - ETA: 2:05:22 - loss: 0.0570
在這里，最大值為 5230 - 1
重要的是，請記住，默認情況下，batch_size是 32 英寸model.fit()。
如果你使用 a tf.data.Dataset，你也可以添加repeat()方法，但要小心：它會無限循環（除非你指定一個數字）。
天涯盡頭無女友
TA貢獻1831條經驗 獲得超9個贊
在嘗試訓練它們時，我也有許多模型崩潰并出現相同的警告。如果使用 tf.keras.preprocessing.image_dataset_from_directory() 創建訓練數據集并拆分 80/20。我創建了一個變量來嘗試并且不會用完圖像。將 ResNet50 與我自己的圖像一起使用.....
TRAIN_STEPS_PER_EPOCH = np.ceil((image_count*0.8/BATCH_SIZE)-1)
# to ensure that there are enough images for training bahch
VAL_STEPS_PER_EPOCH = np.ceil((image_count*0.2/BATCH_SIZE)-1)
但它仍然存在。BATCH_SIZE 設置為 32，所以我取 80% 的圖像數量并除以 32，然后取 1 以產生盈余……或者我是這么認為的。
history = model.fit(
train_ds,
steps_per_epoch=TRAIN_STEPS_PER_EPOCH,
epochs=EPOCHS,
verbose = 1,
validation_data=val_ds,
validation_steps=VAL_STEPS_PER_EPOCH,
callbacks=tensorboard_callback)
處理一個成功的 Epoch 3 小時后的錯誤是：
紀元 1/25 374/374 [==============================] - 8133s 22s/步 - 損失：7.0126 - 準確度: 0.0028 - val_loss: 6.8585 - val_accuracy: 0.0000e+00 Epoch 2/25 1/374 [........ .] - ETA: 0s - loss: 6.0445 - accuracy: 0.0000e+00WARNING:tensorflow:Your input run out data; 中斷訓練。確保您的數據集或生成器至少可以生成steps_per_epoch * epochs批次（在本例中為 9350.0 個批次）。在構建數據集時，您可能需要使用 repeat() 函數。
這可能會有所幫助....
> > print(train_ds) <BatchDataset shapes: ((None, 224, 224, 3), (None,)), types: (tf.float32, tf.int32)>
>
> print(val_ds) BatchDataset shapes: ((None, 224, 224, 3), (None,)),types: (tf.float32, tf.int32)>
>
> print(TRAIN_STEPS_PER_EPOCH)
> 374.0
>
> print(VAL_STEPS_PER_EPOCH)
> 93.0
守著一只汪
TA貢獻1872條經驗 獲得超4個贊
對我有用的解決方案是drop_remainder=True在生成數據集時進行設置。這會自動處理剩余的任何額外數據。
例如：
dataset = tf.data.Dataset.from_tensor_slices((images, targets)) \ .batch(12, drop_remainder=True)
斯蒂芬大帝
TA貢獻1827條經驗 獲得超8個贊
image_dataset_from_directory如果您使用、刪除 steps_per_epoch 和validation_steps參數創建數據集model.fit。
batch_size原因是在傳入時已經啟動image_dataset_from_directory了步驟，您可以嘗試使用 獲取步驟編號len。
添加回答
舉報
0/150
提交
取消