使用Keras/TensorFlow训练Chars74K字符识别CNN遇报错

第一步：开启即时执行定位具体错误 #

按照报错提示，开启即时执行模式获取详细错误信息：

• 编译模型时添加参数：

  model.compile(
      optimizer='adam',
      loss='sparse_categorical_crossentropy',
      metrics=['accuracy'],
      run_eagerly=True
  )
  

• 或全局开启：

  import tensorflow as tf
  tf.config.run_functions_eagerly(True)
  

重新运行训练，会输出完整错误栈，直接定位问题根源。

针对input_shape的排查要点 #

结合你推测的方向，重点检查：

• 模型第一层Conv2D的input_shape是否和输入图片维度完全匹配：比如灰度图要设为(height, width, 1)，RGB图设为(height, width, 3)，需和预处理后的图片尺寸一致
• 确认训练数据x_train的维度是否为(样本数, 高, 宽, 通道数)，有没有在预处理时遗漏维度转换
• 检查图片resize步骤：是否统一将所有输入图片调整为input_shape指定的尺寸

其他常见排查项 #

• 损失函数与标签格式匹配：用sparse_categorical_crossentropy时标签必须是整数（非one-hot），用categorical_crossentropy则需one-hot编码
• 训练集有效性：确认数据加载正常，没有因路径错误、文件损坏导致训练集为空
• 网络结构合理性：检查Dropout层比例是否过高（比如超过0.8），避免梯度消失导致训练无日志输出

内容的提问来源于stack exchange，提问作者Bhaskar Bijoy Kashyap