我尝试将keras.applications中的一个ImageNet预训练架构迁移到CIFAR-10数据集上，但是我遇到了一个CUDA错误（当我尝试拟合我的模型时，这个错误导致我的Jupyter笔记本内核立即崩溃）。这是什么问题呢？
输出：
2019-01-10 00:39:40.165264: I tensorflow/core/platform/cpu_feature_guard.cc:141] 您的CPU支持一些本TensorFlow二进制文件未编译使用的指令：AVX2 FMA2019-01-10 00:39:40.495421: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1432] 发现设备0，其属性如下：名称：GeForce GTX TITAN X 主版本：5 次版本：2 内存时钟速率(GHz)：1.2405 PCI总线ID：0000:01:00.0 总内存：11.93GiB 可用内存：11.63GiB2019-01-10 00:39:40.495476: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] 添加可见GPU设备：02019-01-10 00:39:40.819773: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] 设备互连StreamExecutor，强度1的边缘矩阵：2019-01-10 00:39:40.819812: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988] 02019-01-10 00:39:40.819819: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0: N2019-01-10 00:39:40.820066: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] 创建TensorFlow设备（/device:GPU:0，内存11256 MB） -> 物理GPU（设备：0，名称：GeForce GTX TITAN X，PCI总线ID：0000:01:00.0，计算能力：5.2）2019-01-10 00:39:40.844280: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1511] 添加可见GPU设备：02019-01-10 00:39:40.844307: I tensorflow/core/common_runtime/gpu/gpu_device.cc:982] 设备互连StreamExecutor，强度1的边缘矩阵：2019-01-10 00:39:40.844313: I tensorflow/core/common_runtime/gpu/gpu_device.cc:988] 02019-01-10 00:39:40.844317: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1001] 0: N2019-01-10 00:39:40.844520: I tensorflow/core/common_runtime/gpu/gpu_device.cc:1115] 创建TensorFlow设备（/job:localhost/replica:0/task:0/device:GPU:0，内存11256 MB） -> 物理GPU（设备：0，名称：GeForce GTX TITAN X，PCI总线ID：0000:01:00.0，计算能力：5.2）[I 00:40:58.262 NotebookApp] 正在保存文件于 /Untitled.ipynb2019-01-10 00:42:56.543392: F tensorflow/stream_executor/cuda/cuda_dnn.cc:542] 检查失败：cudnnSetTensorNdDescriptor(handle_.get(), elem_type, nd, dims.data(), strides.data()) == CUDNN_STATUS_SUCCESS (3 vs. 0)batch_descriptor: {count: 32 feature_map_count: 320 spatial: 0 0 value_min: 0.000000 value_max: 0.000000 layout: BatchDepthYX}代码：
from keras.applications.inception_resnet_v2 import InceptionResNetV2from keras.preprocessing import imagefrom keras.layers import Dense, GlobalAveragePooling2Dfrom keras.models import Modelimport keras.utilsimport numpy as npfrom keras.datasets import cifar10(X_train, y_train), (X_test, y_test) = cifar10.load_data()y_train = keras.utils.to_categorical(y_train, 10)y_test = keras.utils.to_categorical(y_test, 10)# 定义模型base_model = InceptionResNetV2(weights='imagenet', include_top=False)x = base_model.outputprint(x.shape)x = GlobalAveragePooling2D()(x)x = Dense(1024,activation='relu')(x)preds = Dense(10,activation='softmax')(x)model = Model(inputs=base_model.input, outputs=preds)# 只微调最后一层for layer in base_model.layers: layer.trainable = Falsemodel.compile(optimizer='rmsprop', loss='categorical_crossentropy')回答：
检查InceptionResnetV2网络的输入要求：
它应该有3个输入通道，且宽度和高度不得小于75
而您尝试拟合的CIFAR10图像尺寸为32×32。
