TensorFlow 分类标签数据类型

Question

我正在使用 Tensorflow DNN 模型进行一些分类。

我有一个数字 (float32) 数据输入，但 字符串类型输出。

x = tf.placeholder("float", [None, n_input])
y = tf.placeholder(tf.string, [None, n_classes])

当我尝试如下定义损失和优化器时：

cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=y))

我遇到了一个错误

TypeError: sigmoid_cross_entropy_with_logits() 出乎意料 关键字参数“标签”

我从here查了文档，上面写着

logits 和目标必须具有相同的类型和形状。

是否需要将类转换为浮点数（将字符串散列为数字）？

output_y = [["apple", "apple", "orange", "banana"]]
encoded_y = [[1], [1], [2], [3]]

Answer 1

如果您使用的是 tensorflow v 0.10，标签的关键字是目标。 如果您使用的是 tensorflow v 1.0，那么标签的关键字就是标签。 根据文档，您的标签向量应具有与 logits、float 32 或 float64 相同的类型。