„UserWarning: Eine Eingabe konnte nicht abgerufen werden. Es könnte sein, dass ein Arbeiter gestorben ist. Wir haben keine Informationen über die verlorene Probe. “

Während des Trainingsmodells erhielt ich die Warnung "UserWarning: Eine Eingabe konnte nicht abgerufen werden. Dies kann daran liegen, dass ein Mitarbeiter gestorben ist. Wir haben keine Informationen über die verlorene Probe.)", Nachdem das Modell diese Warnung angezeigt hat, beginnt das Modell mit dem Training. Was bedeutet diese Warnung? Beeinträchtigt dies mein Training und ich muss mir Sorgen machen?

Dies ist nur eine Benutzerwarnung, die normalerweise ausgegeben wird, wenn Sie versuchen, die Eingaben und Ziele während des Trainings abzurufen. Dies liegt daran, dass für den Warteschlangenmechanismus ein Zeitlimit festgelegt wird, das innerhalb von angegeben wird data_utils.py.

Weitere Informationen finden Sie in der data_utils.pyDatei, die sich im keras/utilsOrdner befindet.

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

Ich habe die gleiche Warnung erhalten, als ich ein Modell in Google Colab trainiert habe. Das Problem war, dass ich versucht habe, die Daten von meinem Google Drive abzurufen, die ich für die Colab-Sitzung bereitgestellt hatte. Die Lösung bestand darin, die Daten in das Arbeitsverzeichnis von Colab zu verschieben und von dort aus zu verwenden. Dies kann einfach über !cp -r path/to/google_drive_data_dir/ path/to/colab_data_dirdas Notebook erfolgen. Beachten Sie, dass Sie dies jedes Mal tun müssen, wenn eine neue Colab-Sitzung erstellt wird.

Dies mag das Problem sein, das Rahul gestellt hat, oder auch nicht, aber ich denke, dies könnte für andere hilfreich sein, die sich dem Problem stellen.

Stellen Sie sicher, dass der von Ihnen angegebene Pfad des Datensatzes nur korrekt ist. Dies hilft auf jeden Fall als Beispiel: train_data_dir = "/ content / drive / Mein Laufwerk / Colab-Notizbücher / Datensatz"

Ich hatte das gleiche Problem, als ich mit Keras ein tiefes neuronales Netzwerk auf meinem Computer trainierte, und es dauerte eine Weile, bis ich es herausgefunden hatte. Die Bilder, die ich mit dem geladen habe

ImageDataGenerator(target_size = (256, 256))

von

keras.preprocessing 

hatten eine niedrigere Auflösung, sagen wir 100 * 100, und ich habe versucht, sie in 256 * 256 umzuwandeln, und anscheinend ist dafür keine eingebaute Unterstützung vorgesehen.

Sobald ich die Ausgabeform des vom ImageDataGenerator zurückgegebenen Bildes korrigiert hatte, verschwand die Warnung.

// Hinweis: Die Zahlen 100 * 100 und 255 * 255 dienen nur zur Erläuterung.

Sie können die Anzahl der Worker und max_queue_size reduzieren, um Probleme zu lösen.

Ich habe diese Warnung erhalten, als ich die Menge der Datenproben trainiert habe, die kleiner als die Chargengröße waren.

(Das Training scheint tatsächlich begonnen zu haben, bleibt dann aber hängen, bevor überhaupt der Fortschrittsbalken für die erste Epoche angezeigt wird.)