InvalidArgumentError with model.fit in Tensorflow

Question

使用 CNN 進行圖像分類。 當調用model.fit()時，它開始訓練 model 一段時間，並在執行過程中中斷並返回錯誤消息。

錯誤信息如下

InvalidArgumentError: 2 root error(s) found.
  (0) Invalid argument:  Input size should match (header_size + row_size * abs_height) but they differ by 2
     [[{{node decode_image/DecodeImage}}]]
     [[IteratorGetNext]]
     [[IteratorGetNext/_4]]
  (1) Invalid argument:  Input size should match (header_size + row_size * abs_height) but they differ by 2
     [[{{node decode_image/DecodeImage}}]]
     [[IteratorGetNext]]
0 successful operations.
0 derived errors ignored. [Op:__inference_train_function_8873]

Function call stack:
train_function -> train_function

更新：我的建議是檢查數據集的元數據。 它幫助解決了我的問題。

Answer 1

您不必指定參數label_mode 。 為了使用SparseCategoricalCrossentropy作為損失 function 您需要將其設置為int 。 如果您未指定它，則根據文檔將其設置為None 。

您還需要根據從中讀取圖像的目錄結構指定要inferred的參數labels 。

train_ds = tf.keras.preprocessing.image_dataset_from_directory(
  data_dir,
  labels="inferred",
  label_mode="int",
  validation_split=0.2,
  subset="training",
  seed=123,
  image_size=(img_height, img_width),
  batch_size=batch_size)
  
val_ds = tf.keras.preprocessing.image_dataset_from_directory(
  data_dir,
  labels="inferred",
  label_mode="int",
  validation_split=0.2,
  subset="validation",
  seed=123,
  image_size=(img_height, img_width),
  batch_size=batch_size)

Answer 2

我剛剛在另一個帖子中回答了一個非常相似的問題。 事實上，根本問題可能完全相同。 它包含對至少在我的情況下發生的事情的詳細解釋。 長話短說，我證明是正確的一個可能原因是JPEG 文件損壞。