Logits 和标签具有不同的第一维

Question

这是我得到的错误：InvalidArgumentError（参见上面的回溯）：logits 和 labels 必须具有相同的第一维，得到 logits 形状 [30,5] 和标签形状 [50]

我使用的批量大小为 50。我的分类问题的输出数量为 5。

我不知道 logits 形状中的 30 是从哪里来的。这是我的架构：

with tf.name_scope("pool3"):

pool3 = tf.nn.max_pool(conv2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding="VALID")

pool3_flat = tf.reshape(pool3, shape=[-1, 24000]) # must be a multiple of the input

pool3_flat_drop = tf.layers.dropout(pool3_flat, conv2_dropout_rate, training=training)



with tf.name_scope("fc1"):

flattened = tf.layers.flatten(pool3_flat_drop)

fc1 = tf.layers.dense(flattened , n_fc1, activation=tf.nn.relu, name="fc1")

fc1_drop = tf.layers.dropout(fc1, fc1_dropout_rate, training=training)



with tf.name_scope("output"):

# n_outputs = number of possible classes

logits = tf.layers.dense(fc1_drop, n_outputs, name="output")

Y_proba = tf.nn.softmax(logits, name="Y_proba")



with tf.name_scope("train"):

xentropy = tf.nn.sparse_softmax_cross_entropy_with_logits(logits=logits, labels=y)

这也是我声明占位符的方式

with tf.name_scope('inputs'):

X = tf.placeholder(tf.float32, shape=[None, n_inputs], name='X')

X_reshaped = tf.reshape(X, shape=[-1, height, width, channels]) # make applicable to convolutional

y = tf.placeholder(tf.int32, shape=[None], name='y')

training = tf.placeholder_with_default(False, shape=[], name='training')

Answer 1

我认为是pool3_flat = tf.reshape(pool3, shape=[-1, 24000])引起的

你应该检查24000是否正确。