我正在制作一个3D CNN来将果蝇的3D图像分类为癌症或非癌症。该模型只是一个简单的两个卷积块，最大池化和批量归一化，然后是两个FC层和一个预测层。然而，我似乎无法让它运行得到一个InvalidArgumentError：图形执行错误：.
因此，模型定义如下：

inputs = keras.Input(shape = InSize + (1,))

    x = keras.layers.Conv3D(filters = 64, kernel_size = 3, activation = 'relu', name = '3DConv1')(inputs)
    x = keras.layers.Conv3D(filters = 64, kernel_size = 3, activation = 'relu', name = '3DConv2')(x)
    x = keras.layers.MaxPool3D(pool_size = 2, name = 'MaxPool1')(x)
    x = keras.layers.BatchNormalization(name = 'BatchNorm1')(x)

    # x = keras.layers.Conv3D(filters = 64, kernel_size = 3, activation = 'relu', name = '3DConv3')(x)
    # x = keras.layers.Conv3D(filters = 64, kernel_size = 3, activation = 'relu', name = '3DConv5')(x)
    # x = keras.layers.MaxPool3D(pool_size = 2, name = 'MaxPool2')(x)
    # x = keras.layers.BatchNormalization(name = 'BatchNorm2')(x)

    x = keras.layers.GlobalAveragePooling3D(name = 'GlobalNorm1')(x)
    # x = keras.layers.Flatten()(x)
    x = keras.layers.Dense(units = 50, activation = 'relu', name = 'FC1')(x)
    x = keras.layers.Dense(units = 50, activation = 'relu', name = 'FC2')(x)
    x = keras.layers.Dropout(0.3, name = 'Dropout1')(x)

    outputs = keras.layers.Dense(units = 1, activation = 'sigmoid', name = 'Classifier')(x)

    model = keras.Model(inputs, outputs)

    model.summary()

    model.compile(loss = loss,
                  optimizer = keras.optimizers.legacy.Adam(learning_rate = LR),
                  metrics = metrics)

它产生了模型：
型号：“3dcnn”

图层类型输出形状参数#

input_1（InputLayer）[（None，128，128，64，1）] 0
conv 3d（Conv 3D）（无，126，126，62，64）1792
max_pooling3d（MaxPooling 3D）（无，63，63，31，64）0
batch_normalization（BatchNo（None，63，63，31，64）256
conv3d_1（Conv 3D）（无，61，61，29，64）110656
max_pooling3d_1（MaxPooling3（None，30，30，14，64）0
batch_normalization_1（批次（无，30，30，14，64）256
conv3d_2（Conv 3D）（无，28，28，12，128）221312
max_pooling3d_2（MaxPooling3（None，14，14，6，128）0
batch_normalization_2（Batch（None，14，14，6，128）512
conv3d_3（Conv 3D）（无，12，12，4，256）884992
max_pooling3d_3（MaxPooling3（None，6，6，2，256）0
batch_normalization_3（批次（无，6，6，2，256）1024
global_average_pooling3d（Gl（None，256）0
密集（密集）（无，512）131584
dropout（辍学）（无，512）0

dense_1（密集）（无，1）513

总参数：1，352，897可训练参数：1，351，873不可训练的参数：1,024
我有30个输入图像的nparray形状（30，27，54，182）。图像的元素是强度数据（最大值为10965）。标签是一个具有uint 8元素的形状（30，）的数组。
执行我用途：的代码

history = model.fit(
        xTrain, 
        yTrain,
        batch_size = batch_size,
        epochs = epochs,
        verbose = verbose,
        shuffle = shuffle,
        validation_data = (xVal,yVal), 
        class_weight = class_weight
    )

并获得
InvalidArgumentError：图形执行错误：
找到2个根错误。（0）INVALID_ARGUMENT：indices[0] = 1不在[0，1）{{node GatherV 2}}IteratorGetNextIteratorGetNext/_2（1）INVALID_ARGUMENT：indices[0] = 1不在[0，1）{{node GatherV 2}}IteratorGetNext 0个成功操作中。忽略0个派生错误。[操作：__inference_train_function_21420]
作为错误。有人能帮我指出正确的方向来解决这个问题吗？
谢谢你，谢谢！
编辑：问题已解决！
对于将来发现这个问题的任何人来说，问题是我意外地定义了class_weights = {0：0.5，0：0.5}而不是{0：0.5，1：0.5}。如果你也有同样的问题，请仔细检查你的class_weight字典！