TensorFlow训练数据集报错InvalidArgumentError：图执行错误排查

问题场景 #

以下是搭建的CNN模型代码：

classifier = tf.keras.models.Sequential()
classifier.add(tf.keras.layers.Conv2D(filters=32,
                                     kernel_size=3, 
                                     padding="same", 
                                     activation="relu", 
                                     input_shape=[128, 128, 1]))
classifier.add(tf.keras.layers.MaxPool2D(pool_size=2, 
                                         strides=2, 
                                         padding='valid'))
classifier.add(tf.keras.layers.Conv2D(filters=32, 
                                      kernel_size=3, 
                                      padding="same", 
                                      activation="relu"))

classifier.add(tf.keras.layers.MaxPool2D(pool_size=2, 
                                         strides=2, 
                                         padding='valid'))
classifier.add(tf.keras.layers.Flatten())
classifier.add(tf.keras.layers.Dense(units=128, 
                                     activation='relu'))
classifier.add(tf.keras.layers.Dropout(0.40))
classifier.add(tf.keras.layers.Dense(units=96, activation='relu'))
classifier.add(tf.keras.layers.Dropout(0.40))
classifier.add(tf.keras.layers.Dense(units=64, activation='relu'))
classifier.add(tf.keras.layers.Dense(units=32, activation='softmax')) # softmax for more than 2
classifier.compile(optimizer = 'adam', 
                   loss = 'categorical_crossentropy', 
                   metrics = ['accuracy'])
classifier.summary()

执行训练代码时：

classifier.fit(training_set,
                  epochs = 5,
                  validation_data = test_set)

无论是训练5轮还是20轮，均抛出InvalidArgumentError: Graph execution error: in training dataset错误。

排查与解决步骤 #

• 核对输入数据与模型输入维度
  模型定义的input_shape=[128,128,1]对应128x128的单通道灰度图。需确认：

  • 数据集加载时是否指定了正确的尺寸（如image_size=(128,128)）和色彩模式（如color_mode="grayscale"）
  • 自定义数据集的每个样本shape是否严格为(128,128,1)，避免出现RGB图（shape为(128,128,3)）或尺寸不符的情况

• 匹配标签格式与损失函数
  模型输出用softmax，损失为categorical_crossentropy，要求标签必须是独热编码格式：

  • 若标签是整数类别，要么将损失函数改为sparse_categorical_crossentropy，要么用tf.keras.utils.to_categorical()将整数标签转换为独热编码
  • 确认标签维度与输出层units=32一致，即每个标签为长度32的向量

• 检查数据集完整性
  报错指向训练数据集，大概率存在损坏的样本：

  • 遍历数据集，通过try-except捕获加载失败的样本并移除
  • 用tf.data.experimental.cardinality(training_set)查看数据集规模，验证是否与预期一致，排除加载异常

• 验证TensorFlow版本兼容性
  部分旧版本TensorFlow的API兼容性问题可能引发图执行错误，建议升级到稳定版本（如TensorFlow 2.15及以上），或回退到与代码兼容的版本

内容的提问来源于stack exchange，提问作者Avijit Chowdhury