활연개랑

Traceback (most recent call last): File "/inference.py", line 244, in pred = model(input_img, is_training=False) File "/home/.local/lib/python3.8/site-packages/keras/engine/base_layer.py", line 1037, in __call__ outputs = call_fn(inputs, *args, **kwargs) File "/home/.local/lib/python3.8/site-packages/tensorflow/python/eager/def_function.py", line 885, in __call__ result = self._call(*args, **kwd..

Function call stack: train_function -> train_function -> train_function -> train_function 다음 오류는 network에 들어가는 input_shape과, 실제 데이터의 input_shape이 다른 경우 나올 수 있습니다. shape이 정확하게 맞도록 설정해주세요. 또한 tfrecord같은 dataset에서 parsing 하는 과정에, type이 제대로 바뀌지 않을 경우에도 발생할 수 있으니 parsing함수를 다시 한 번 확인해보시면 되겠습니다. 보통 이 오류는 들어가는 data에 대한 문제이니, 위 두 가지를 확인해 보셨는데도 해결되지 않는다면 input data를 가져오는 전체적인 과정을 쭉 살펴보며 디버깅 해보시면 문제를 해결하실..

classification 딥러닝을 training 시키려는데 다음과 같은 오류가 발생하였습니다. ValueError: Shapes (5,) and (5, 5) are incompatible 저한테 오류가 났던 이유는 Accuracy 측정용으로 아래와 같이 SparseCategoricalAccuracy를 사용하였는데, tf.keras.metrics.SparseCategoricalAccuracy() loss로는 그냥 categorical cross entropy를 사용했기 때문이었습니다. 따라서 loss를 아래와 같이 SparseCategoricalCrossentropy를 사용해주면, 오류를 해결할 수 있습니다. tf.keras.losses.SparseCategoricalCrossentropy(from_l..

Input 0 of layer "conv2d" is incompatible with the layer: expected min_ndim=4, found ndim=2. Full shape received: inference 를 하는 과정에서 predict 값을 구하기 위해 model에 x값을 넣어주었을 때 다음과 같은 오류가 발생하였습니다. x의 shape은 (300,400)이었으나, model로 들어갈 때 (batch, width,height, channel)형태로 들어가 주어야 하기 때문입니다. t_x = t_x.reshape(1, t_x.shape[0], t_x.shape[1], 1) pred = model(t_x) 위와 같이 reshape을 해주면 잘 들어갑니다!

tf.numpy_function을 사용할 때 dim 관련 오류가 날 수 있습니다. tf.numpy_function을 이미지에 사용할 경우 reshape이 필요하기 때문에 다음과 같이 reshape을 해주어야 합니다. image_shape = tf.shape(image) image = tf.numpy_function(definition(func), [image], tf.float32) image = tf.reshape(image, image_shape) 이렇게 reshape을 해주면 dimensipn오류를 해결할 수 있습니다.

model inference 과정에서 다음과 같은 오류가 발생했습니다. ValueError: Exception encountered when calling layer "epvs_conv" (type EPVS_CONV). Input 0 of layer "conv2d" is incompatible with the layer: expected min_ndim=4, found ndim=2. Full shape received: (300, 400) Call arguments received: • inputs=tf.Tensor(shape=(300, 400), dtype=float32) 다음과 같은 오류가 발생한 이유는 shape이 맞지 않아서 입니다. 제가 만든 모델에는 dimension이 4인 input (bat..

해결법: tfrecord를 만들 때와 parsing할 때, 또는 그 이후 decode할 때 비트가 어떻게 되는지 잘 확인하세요. 예를들어서 int64로 통일이 되어있지 않은지 확인하시면 됩니다.

tfrecord를 만들 때 발생하는 에러 TypeError: Input 'bytes' of 'DecodeRaw' Op has type int64 that does not match expected type of string. parsing하는 과정에서 label parsing을 다음과 같이 했을 때 위 오류가 발생했다. label = tf.io.decode_raw(features['train/label'], tf.int64) label = tf.cast(label, tf.int64) 하지만, label에서는 decode_raw를 사용할 필요 없이 label = features['train/label'] 이렇게만 작성해주면 된다.