操作的 int32 类型与 int64 类型不匹配答案

【问题标题】：Operation has type int32 that does not match type int64操作的 int32 类型与 int64 类型不匹配
【发布时间】：2018-04-23 06:24:37
【问题描述】：

我正在尝试使用tflearn 提供的 DNN 训练一些数据。我的data 变量的形状为(6605, 32)，我的labels 数据的形状为(6605,)，我在下面将其整形为(6605, 1)...

# Target label used for training
labels = np.array(data[label], dtype=np.float32)

# Reshape target label from (6605,) to (6605, 1)
labels = tf.reshape(labels, shape=[-1, 1])

# Data for training minus the target label.
data = np.array(data.drop(label, axis=1), dtype=np.float32)

# DNN
net = tflearn.input_data(shape=[None, 32])
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 1, activation='softmax')
net = tflearn.regression(net)

# Define model.
model = tflearn.DNN(net)
model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True)

运行后出现两个错误，第一个是...

ValueError: Tensor conversion requested dtype int64 for Tensor with dtype int32: 'Tensor("strided_slice/stack_4:0", shape=(1,), dtype=int32)'

第二个错误是……

在处理上述异常的过程中，又发生了一个异常：

TypeError: 'StridedSlice' Op 的输入 'strides' 的 int32 类型与参数 'begin' 的 int64 类型不匹配。

我不知道如何解决这个问题。所以我采取的一种方法是将dtype 的labels 和data 更改为int64...

# Target label used for training
labels = np.array(data[label], dtype=np.int64)

# Reshape target label from (6605,) to (6605, 1)
labels = tf.reshape(labels, shape=[-1, 1])

# Data for training minus the target label.
data = np.array(data.drop(label, axis=1), dtype=np.int64)

但如果我这样做，我仍然会遇到同样的错误。我该如何解决这个问题？

【问题讨论】：

你升级到哪个版本的tensorflow？

标签： python-3.x machine-learning tensorflow neural-network tflearn

【解决方案1】：

请注意，错误指出有关整数、int64 和 int32 的 ValueError，因此所讨论的转换应该是 int 而不是 float。

我在代码库中遇到过类似情况，无法更新 tensorflow，我正在生成一个导致 int 类型 ValueError 的索引。

如果无法升级 tensorflow 的版本，您可以强制转换为 int32，例如：

new_var = tf.cast(old_var, tf.int32)

如果您检查发生错误的确切行，您应该找到罪魁祸首，将其强制转换，它应该可以工作。此解决方案适用于 int 和 float 类型转换（使用 tf.float32）。

【讨论】：

【解决方案2】：

此错误似乎是由较旧版本的 tensorflow 生成的。我通过使用...更新了 tensorflow。

pip3 install tensorflow --upgrade

这消除了int64 错误。在旧版本中转换 long 数据类型（例如 int64）似乎存在问题。

更新后，由于张量的形状，我得到了不同的错误...

形状必须为 1 级，但对于输入形状为 [6605,1]、[1,16]、[1,16]、[1] 的“strided_slice”（操作：“StridedSlice”）为 2 级。

但这是另一个问题。

【讨论】：