机器学习新手使用Retina-Unet时model.fit遇Graph execution error求助

我是机器学习新手，正在尝试使用Retina-Unet模型，执行model.fit时遇到错误。

运行代码 #

model.fit(patches_imgs_train, patches_masks_train, epochs=20, batch_size=32, verbose=1, shuffle=True, validation_split=0.1, callbacks=[checkpointer])

数据维度 #

• patches_imgs_train: (190000,1,48,48)
• patches_masks_train: (190000,2304,2)

核心错误提示 #

Conv2DCustomBackpropInputOp only supports NHWC.

1. 转换输入图像的通道顺序为NHWC #

TensorFlow默认采用NHWC（批量数-高度-宽度-通道数）格式，你的输入是NCHW（批量数-通道数-高度-宽度），需调整维度：

import numpy as np
# 把通道维度从第二位移到最后一位
patches_imgs_train = np.transpose(patches_imgs_train, (0, 2, 3, 1))
# 调整后尺寸应为：(190000, 48, 48, 1)

2. 重构掩码数据维度匹配模型输出 #

当前掩码是扁平化的48×48=2304像素，需要还原为空间维度，和模型输出对齐：

# 将掩码从(样本数, 扁平化像素数, 类别数)转为(样本数, 高度, 宽度, 类别数)
patches_masks_train = patches_masks_train.reshape((190000, 48, 48, 2))

3. 确认模型输入输出格式 #

检查Retina-Unet的输入层是否接受(48,48,1)的张量，输出层是否对应(48,48,2)的分割结果。如果模型原本是基于NCHW编写的，可以在所有Conv2D层添加data_format='channels_first'参数，但更推荐统一使用TensorFlow默认的NHWC格式，避免后续兼容问题。

4. 验证调整后的数据维度 #

修改后打印尺寸确认：

print(patches_imgs_train.shape)  # 预期输出：(190000, 48, 48, 1)
print(patches_masks_train.shape) # 预期输出：(190000, 48, 48, 2)

内容的提问来源于stack exchange，提问作者Ashley