Phần mềm UserWarning: Không thể truy xuất đầu vào. Có thể là do một công nhân đã chết. Chúng tôi không có bất kỳ thông tin nào về mẫu bị mất.

Trong khi mô hình đào tạo tôi nhận được cảnh báo này "UserWarning: Không thể truy xuất đầu vào. Có thể là do một công nhân đã chết. Chúng tôi không có bất kỳ thông tin nào về mẫu bị mất." ", Sau khi hiển thị cảnh báo này, mô hình bắt đầu đào tạo. Cảnh báo này có nghĩa là gì? Nó có phải là thứ sẽ ảnh hưởng đến việc đào tạo của tôi và tôi cần phải lo lắng?

Đây chỉ là một cảnh báo người dùng thường sẽ bị ném khi bạn cố gắng tìm nạp các đầu vào, mục tiêu trong quá trình huấn luyện. Điều này là do thời gian chờ được đặt cho cơ chế xếp hàng sẽ được chỉ định bên trong data_utils.py.

Để biết thêm chi tiết, bạn có thể tham khảo data_utils.pytệp sẽ nằm trong keras/utilsthư mục.

https://github.com/keras-team/keras/blob/master/keras/utils/data_utils.py

Tôi đã nhận được cảnh báo tương tự khi đào tạo một mô hình trong Google Colab. Vấn đề là tôi đã cố tải dữ liệu từ Google Drive mà tôi đã gắn vào phiên Colab. Giải pháp là chuyển dữ liệu vào thư mục làm việc của Colab và sử dụng dữ liệu từ đó. Điều này có thể được thực hiện đơn giản thông qua !cp -r path/to/google_drive_data_dir/ path/to/colab_data_dirtrong máy tính xách tay. Lưu ý rằng bạn sẽ phải làm điều này mỗi lần khi một phiên Colab mới được tạo.

Điều này có thể hoặc không phải là vấn đề mà Rahul đang hỏi, nhưng tôi nghĩ rằng điều này có thể hữu ích cho những người khác phải đối mặt với vấn đề này.

đảm bảo đường dẫn của tập dữ liệu bạn đã cung cấp chỉ chính xác..đây chắc chắn sẽ giúp ví dụ: train_data_dir = "/ content / drive / My Drive / Colab Notebooks / tập dữ liệu"

Tôi đã đối mặt với cùng một vấn đề trong khi đào tạo một mạng lưới thần kinh sâu trên máy của mình bằng cách sử dụng máy ảnh và tôi phải mất một thời gian để tìm ra nó. Những hình ảnh tôi đang tải bằng

ImageDataGenerator(target_size = (256, 256))

từ

keras.preprocessing 

có độ phân giải thấp hơn, giả sử 100 * 100 và tôi đã cố gắng chuyển đổi chúng thành 256 * 256, và rõ ràng không có hỗ trợ sẵn có nào được cung cấp cho việc này.

Ngay sau khi tôi sửa hình dạng đầu ra của hình ảnh được ImageDataGenerator trả về, cảnh báo đã biến mất.

// Lưu ý: các số liệu 100 * 100 và 255 * 255 chỉ để giải thích.

Bạn có thể giảm số lượng công nhân và max_queue_size để giải quyết vấn đề.

Tôi đã nhận được cảnh báo này khi tôi đang đào tạo về số lượng mẫu dữ liệu nhỏ hơn kích thước lô.

(Việc đào tạo dường như thực sự đã bắt đầu, nhưng sau đó bị kẹt trước khi hiển thị thanh tiến trình cho kỷ nguyên đầu tiên.)