Tensorflow 错误：最小张量等级：1 但得到：1答案

【问题标题】：Tensorflow error: Minimum tensor rank: 1 but got: 1Tensorflow 错误：最小张量等级：1 但得到：1
【发布时间】：2016-06-03 18:58:56
【问题描述】：

我在尝试评估我的模型时遇到以下错误。

tensorflow.python.framework.errors.InvalidArgumentError: Minimum tensor rank: 1 but got: 1 [[Node: ArgMax_1 = ArgMax[T=DT_INT64, _device="/job:localhost/replica:0/task:0/cpu:0"](_recv_Placeholder_1_0, ArgMax_1/dimension/_40)]]

这里是相关代码

        # Predictions for the current training minibatch.
        train_prediction = tf.nn.softmax(logits)
        correct_prediction = tf.equal(tf.argmax(train_prediction, 1), tf.argmax(train_labels, 1))
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

        sess.run(tf.initialize_all_variables())
        for i in range(1000000):
            start_time = time()

            images, labels = get_batch(fifo_queue, FLAGS.batch_size)

            feed_dict = {
                train_images: images,
                train_labels: labels
            }

            _, loss_value, learn_rate, predictions = sess.run(
                [train_step, cross_entropy, learning_rate, train_prediction],
                feed_dict=feed_dict)

            duration = time() - start_time
              if i % 1 == 0:
                # Print status to stdout.
                 print('Step %d: loss = %.3f (%.3f sec)' % (i, loss_value, duration))

                 train_accuracy = accuracy.eval(feed_dict={
                     train_images: images, train_labels: labels, keep_prob: 1.0})
                 print("step %d, training accuracy %g"%(i, train_accuracy))
                 train_step.run(feed_dict={train_images: images[0], train_labels: labels[1], keep_prob: 0.5})

我还没有尝试太多，因为我刚刚获得了我的第一个模型评估，而这个错误（表示期望 1 并得到 1）并没有太大帮助。

【问题讨论】：

从我看来这似乎很好，只要函数 get_batch() 返回具有正确形状的张量。尝试查看this 示例，并比较其余代码（变量和占位符定义、数据张量形状等）。
这段代码运行除了 eval 部分。看来，Argmax 应该采用预测和实际标签或标签占位符。想知道为什么这不起作用...
只是一件事，argmax train_labels_node 的参数不应该与您在 feed_dict 中使用的参数相同（您只有 train_labels 吗？
我会尝试澄清 argmax，它可能会有所帮助：当您使用时，每次调用到达的应该是一个 2D 矩阵，每一行是一个样本，每一列是一个概率sample 属于第 ith-column 类（train labels 每个样本应该只有一列设置为 1，train_prediction 是类之间的概率分布）。因此，equal 正在为每个样本比较具有最高值的列的索引，返回一个布尔列。
是的，对于您的设置，您应该使用 one-hot 编码。 Argmax 在那里什么都不做。否则你将不得不改变你的准确度函数（在预测中使用一个阈值，从中创建一个零和一的向量，现在你可以直接应用 tf.equals。

标签： tensorflow

【解决方案1】：

错误消息不是很好，但查看the code 可能会解释发生了什么。

问题出现是因为train_labels（大概）是一个一维向量。维度从 0 开始编号，因此向量只有第 0 个维度，但您对 tf.argmax(train_labels, 1) 的调用会尝试获取第 1 个维度中的 argmax，但它不存在。

事实上，根本不需要获取标签的 argmax。相反，您可以简单地编写：

correct_prediction = tf.equal(tf.argmax(train_prediction, 1), train_labels)

【讨论】：