ValueError:无法压缩dim[1]，预期维度为1，对于输入形状为[？，17]的“度量/精度/压缩”（op:“压缩”）获得17

Question

我正在尝试使用Alexnet检测糖尿病视网膜病变。 这是密码

path="D:\\dataset\\train\\t\\"

count = 1
imgList=list()
labelList=list()
ite = 1

print("Loading Model design ....")
json_file = open('Model.json', 'r')
loaded_model_json = json_file.read()
json_file.close()
loaded_model = model_from_json(loaded_model_json)

print("Loading weights ....")
loaded_model.load_weights("Model_weight.h5")

opt = Adam(lr=0.001)
loaded_model.compile(optimizer=opt, loss=keras.losses.sparse_categorical_crossentropy, metrics=['accuracy'])

while ite <= 1:
    limit = 10 * ite
    imgList=list()
    labelList=list()
    while count <= limit:
        imgC0 = path+"class_0_img_%d.jpeg" %(count)
        imgC1 = path+"class_1_img_%d.jpeg" %(count)
        imgC2 = path+"class_2_img_%d.jpeg" %(count)
        imgC3 = path+"class_3_img_%d.jpeg" %(count)
        imgC4 = path+"class_4_img_%d.jpeg" %(count)

        lC0 = np.zeros((1,17))
        lC1 = np.zeros((1,17))
        lC2 = np.zeros((1,17))
        lC3 = np.zeros((1,17))
        lC4 = np.zeros((1,17))

        lC0[0,0] = 1
        lC1[0,1] = 1
        lC2[0,2] = 1
        lC2[0,3] = 1
        lC2[0,4] = 1

        im0=cv.resize(cv.imread(imgC0),(227,227))
        im1=cv.resize(cv.imread(imgC1),(227,227))
        im2=cv.resize(cv.imread(imgC2),(227,227))
        im3=cv.resize(cv.imread(imgC3),(227,227))
        im4=cv.resize(cv.imread(imgC4),(227,227))

        imgList.append(im0)
        imgList.append(im1)
        imgList.append(im2)
        imgList.append(im3)
        imgList.append(im4)

        labelList.append(lC0)
        labelList.append(lC1)
        labelList.append(lC2)
        labelList.append(lC3)
        labelList.append(lC4)

        print(count)

        del(imgC0)
        del(imgC1)
        del(imgC2)
        del(imgC3)
        del(imgC4)
        del(lC0)
        del(lC1)
        del(lC2)
        del(lC3)
        del(lC4)
        count += 1

    labelMatrix = labelList

    xtr = np.array(imgList)
    xtr = xtr.reshape(-1,227,227,3)
    ytr = np.array(labelMatrix)
    ytr = ytr.reshape(-1,17)

    print(xtr.shape)
    print(ytr.shape)

    print(type(ytr))

    print("Model Training ....")
    loaded_model.fit(xtr,ytr,epochs=1,batch_size=50,validation_split=0.1)

    print("Saving Model weights ....")
    #loaded_model.save_weights("Model_weight.h5")

    ite += 1
    del(imgList)
    del(labelList)

print("Finished ....")

我得到一个错误，因为：

文件“”，第1行，在 运行文件（'D:/Project/ModelTrain.py'，wdir='D:/Project'）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\spyder\u kernels\customize\spyderrcustomize.py”，第827行，在runfile中 execfile（文件名、命名空间）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\spyder\u kernels\customize\spyderrcustomize.py”，第110行，在execfile中 exec（编译（f.read（），文件名，'exec'），命名空间）

文件“D:/Project/ModelTrain.py”，第103行，在 已加载的模型拟合（xtr、ytr、历代=1、批次大小=50、验证分割=0.1）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training.py”，第728行，格式为fit 使用多处理=使用多处理）

文件“C:\Users\Ammar amer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2.py”，第324行 总（单位时间=时间）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2.py”，第123行，在run\u one\u中 批处理输出=执行函数（迭代器）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2\u utils.py”，第86行，执行函数 分布函数（输入函数）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\eager\def\u function.py”，第457行，在调用中 结果=自身调用（*args，**kwds）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\eager\def\u function.py”，第503行，在调用中 self.\u initialize（args、kwds、add\u initializer\u to=initializer\u map）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\eager\def\u function.py”，第408行，在 *args，**科威特第纳尔）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\eager\function.py”，第1848行，位于“get\u concrete\u function\u internal\u garbage\u collected”中 图函数，自我，可能定义函数（args，kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\eager\function.py”，第2150行，在定义函数中 graph\u function=self.\u create\u graph\u function（args，kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\eager\function.py”，第2041行，在创建图形函数中 按值捕获=自身。_按值捕获）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\framework\func\u graph.py”，第915行，位于func\u py\u func的func\u图中 func_outputs=python_func（*func_args，**func_kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\eager\def\u function.py”，第358行，包装为 返回弱包装的（包装的（*args，**kwds）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2\u utils.py”，第73行，在分布式函数中 per_replica_函数，args=（模型，x，y，样本权重））

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\distribute\distribute\u lib.py”，第760行，在实验运行版本2中 返回self.\u扩展。为每个\u副本调用\u（fn，args=args，kwargs=kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\distribute\distribute\u lib.py”，第1787行，用于调用每个副本 返回自我。为每个副本（fn、ARG、kwargs）调用

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\distribute\distribute\u lib.py”，第2132行，位于每个副本的调用中 返回fn（*args，**kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\autgraph\impl\api.py”，包装中的第292行 返回函数（*args，**kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training\u v2\u utils.py”，第264行，在批量生产中 输出\损失\度量=模型。\输出\损失\度量）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training\u eager.py”，第315行，在批处理的列中 模型、输出、目标、样本权重=样本权重、遮罩=遮罩）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training\u eager.py”，第74行，在\u eager\u metrics\u fn中 跳过\u目标\u掩码=模型。\u准备\u跳过\u目标\u掩码（）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training.py”，第2063行，在“handle\u metrics”中 目标、输出、输出（U）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training.py”，第2014行，在每个输出的句柄度量中 度量值（fn，y_真，y_pred，权重=权重，掩码=掩码）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\engine\training\u utils.py”，第1067行，在call\u metric\u函数中 返回度量值fn（y_真，y_pred，样本重量=重量）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\metrics.py”，第193行，在调用中 副本\u本地\u fn，*args，**kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\distribute\distributed\u training\u utils.py”，第1135行，在call\u replica\u local\fn中 返回fn（*args，**kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\metrics.py”，第176行，在副本\u local\u fn中 update_op=self.update_state（*args，**kwargs）#pylint:disable=not callable

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\utils\metrics\u utils.py”，第75行，格式为： update_op=update_state_fn（*args，**kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\metrics.py”，第581行，处于更新状态 匹配=self.\u fn（y\u true，y\u pred，**self.\u fn\u kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\keras\metrics.py”，第2778行，稀疏分类 y_真=数组运算挤压（y_真，[-1]）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\util\dispatch.py”，第180行，在包装器中 返回目标（*args，**kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\util\deprecation.py”，第507行，新函数 返回函数（*args，**kwargs）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\ops\array\u ops.py”，第3649行，压缩 返回gen_数组操作挤压（输入、轴、名称）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\ops\gen\u array\u ops.py”，第10071行，压缩 “挤压”，输入=输入，挤压直径=轴，名称=名称）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\framework\op\u def\u library.py”，第793行，位于“应用”op\u helper中 op_def=op_def）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\framework\func\u graph.py”，第548行，在create\u op中 计算机（U设备）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\framework\ops.py”，第3429行，位于\u create\u op\u internal中 op_def=op_def）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\framework\ops.py”，第1773行，位于init 控制（输入操作）

文件“C:\Users\Ammar Ameer\Anaconda3\lib\site packages\tensorflow\u core\python\framework\ops.py”，第1613行，在_create\u C\u op中 提高价值或（str（e））

ValueError:无法压缩dim[1]，预期维度为1，对于输入形状为[？，17]的“度量/精度/压缩”（op:“压缩”）获得17

有人能帮我吗。。 我已将模型另存为

model = Sequential()

# 1st Convolutional Layer
model.add(Conv2D(filters=96, input_shape=(227,227,3), kernel_size=(11,11), strides=(4,4), padding="valid", activation = "relu"))

# Max Pooling
model.add(MaxPool2D(pool_size=(3,3), strides=(2,2), padding="valid"))

# 2nd Convolutional Layer
model.add(Conv2D(filters=256, kernel_size=(5,5), strides=(1,1), padding="same", activation = "relu"))

# Max Pooling
model.add(MaxPool2D(pool_size=(3,3), strides=(2,2), padding="valid"))

# 3rd Convolutional Layer
model.add(Conv2D(filters=384, kernel_size=(3,3), strides=(1,1), padding="same", activation = "relu"))

# 4th Convolutional Layer
model.add(Conv2D(filters=384, kernel_size=(3,3), strides=(1,1), padding="same", activation = "relu"))

# 5th Convolutional Layer
model.add(Conv2D(filters=256, kernel_size=(3,3), strides=(1,1), padding="same", activation = "relu"))

# Max Pooling
model.add(MaxPool2D(pool_size=(3,3), strides=(2,2), padding="valid"))

# Passing it to a Fully Connected layer
model.add(Flatten())
# 1st Fully Connected Layer
model.add(Dense(units = 9216, activation = "relu"))

# 2nd Fully Connected Layer
model.add(Dense(units = 4096, activation = "relu"))

# 3rd Fully Connected Layer
model.add(Dense(4096, activation = "relu"))

# Output Layer
model.add(Dense(17, activation = "softmax")) #As we have two classes

opt = Adam(lr=0.001)
model.compile(optimizer=opt, loss=keras.losses.sparse_categorical_crossentropy, metrics=['accuracy'])

model.summary()


model_jason = model.to_json()
with open("Model.json","w") as json_file:
    json_file.write(model_jason)

model.save_weights("Model_weight.h5")

请帮我解决这个问题