错误：其等级未定义，但图层需要定义的等级

如何解决错误：其等级未定义，但图层需要定义的等级

我有一个tf.data.Dataset.from_generator特征尺寸(224,224,1)和标签尺寸(1,265)来的tf.keras模型，就像我有265 CLASSES一样。我的批量大小为64，返回的功能大小为(64,244,1)，标签大小为(64,265)

下面是我的训练模型：IM_SIZE = (224,1)，而DO_FINE_TUNING已设置为True和FINE_TUNE_AT = 40

def model_defenition(model_type='ResNet50'):
    if model_type == 'ResNet50':
        base_model = tf.keras.applications.ResNet50(
            include_top = False,weights='imagenet'
        )
        print(f'num layers in base model: {len(base_model.layers)}')
        base_model.trainable = DO_FINE_TUNING

        for layer in base_model.layers[:FINE_TUNE_AT]:
            layer.trainable = False

        model = tf.keras.Sequential([
            tf.keras.layers.InputLayer(input_shape=IM_SIZE),tf.keras.layers.Conv2D(filters=3,kernel_size=(3,3),padding='same'),base_model,tf.keras.layers.GlobalAveragePooling2D(),tf.keras.layers.Dense(units = len(CLASSES),activation=tf.nn.softmax)
        ])
        return model
model = model_defenition(model_type='ResNet50')
model.compile(optimizer=OPTIMIZER,loss=LOSS_FN,metrics=METRICS_LIST)
model.summary()

当我按以下方式校准model.fit函数

model.fit(
    train_ds,epochs=EPOCHS,steps_per_epoch=len(df_train)//BATCH_SIZE,validation_data=valid_ds,batch_size=BATCH_SIZE,verbose=1,callbacks=CALLBACKS,workers=1,use_multiprocessing=True
)

我遇到以下错误

ValueError: Input 0 of layer sequential is incompatible with the layer: its rank is undefined,but the layer requires a defined rank.

我正在使用Tensorflow版本2.2.0。 任何对此的帮助将不胜感激。 请随时要求代码的任何其他部分来重现此问题。

解决方法

所以这里的问题是Resnet模型还包含Input_layer。

如果您进行的是Resnet模型的摘要，您会看到这一点。

base_model.summary()

Model: "resnet50"
__________________________________________________________________________________________________
Layer (type)                    Output Shape         Param #     Connected to                     
==================================================================================================
input_10 (InputLayer)           [(None,None,0                                            
__________________________________________________________________________________________________
conv1_pad (ZeroPadding2D)       (None,3 0           input_10[0][0]                   
__________________________________________________________________________________________________

因此，我建议先使用base_model，然后再使用您自己的图层，紧跟base_model。

也要注意，请检查resenet模型的文档。它说，如果使用include_top = False，则还必须指定input_shape。这也可能是问题。请检查API documentation。

我没有完整的代码，所以我不能从这里尝试所有内容。但是，我将介绍以上这些指针。