Question

我对Tensorflow完全不熟悉。我一直试图重新设计Deep MNIST教程，以预测MovieLens数据集上的电影评级。我稍微简化了模型，因此它不是使用5分制，而是简单的二进制Y / N评级（类似于Netflix上最新的评级系统）。我试图仅使用零件评级来预测新项目的偏好。在训练模型时，我在堆栈跟踪中得到以下错误：

Traceback (most recent call last):
  File "/Users/Eric/dev/Coding Academy >Tutorials/tf_impl/deep_tf_group_rec_SO.py", line 223, in <module>
    train_step.run(feed_dict={x: batch_xs, y_: batch_ys, keep_prob: 0.5})
  File "/Library/Python/2.7/site->packages/tensorflow/python/framework/ops.py", line 1550, in run
    _run_using_default_session(self, feed_dict, self.graph, session)
  File "/Library/Python/2.7/site->packages/tensorflow/python/framework/ops.py", line 3764, in >_run_using_default_session
    session.run(operation, feed_dict)
  File "/Library/Python/2.7/site->packages/tensorflow/python/client/session.py", line 767, in run
    run_metadata_ptr)
  File "/Library/Python/2.7/site->packages/tensorflow/python/client/session.py", line 965, in _run
    feed_dict_string, options, run_metadata)
  File "/Library/Python/2.7/site->packages/tensorflow/python/client/session.py", line 1015, in _do_run
    target_list, options, run_metadata)
  File "/Library/Python/2.7/site->packages/tensorflow/python/client/session.py", line 1035, in _do_call
    raise type(e)(node_def, op, message)
tensorflow.python.framework.errors_impl.InvalidArgumentError: logits and >labels must be same size: logits_size=[1,2] labels_size=[50,2]
     [[Node: SoftmaxCrossEntropyWithLogits = >SoftmaxCrossEntropyWithLogits[T=DT_FLOAT, >_device="/job:localhost/replica:0/task:0/cpu:0"](Reshape_2, Reshape_3)]]

Caused by op u'SoftmaxCrossEntropyWithLogits', defined at:
  File "/Users/Eric/dev/Coding Academy >Tutorials/tf_impl/deep_tf_group_rec_SO.py", line 209, in <module>
    cross_entropy = >tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, >logits=y_conv))
  File "/Library/Python/2.7/site->packages/tensorflow/python/ops/nn_ops.py", line 1617, in >softmax_cross_entropy_with_logits
    precise_logits, labels, name=name)
  File "/Library/Python/2.7/site->packages/tensorflow/python/ops/gen_nn_ops.py", line 2265, in >_softmax_cross_entropy_with_logits
    features=features, labels=labels, name=name)
  File "/Library/Python/2.7/site->packages/tensorflow/python/framework/op_def_library.py", line 763, in >apply_op
    op_def=op_def)
  File "/Library/Python/2.7/site->packages/tensorflow/python/framework/ops.py", line 2327, in create_op
    original_op=self._default_original_op, op_def=op_def)
  File "/Library/Python/2.7/site->packages/tensorflow/python/framework/ops.py", line 1226, in __init__
    self._traceback = _extract_stack()

InvalidArgumentError (see above for traceback): logits and labels must >be same size: logits_size=[1,2] labels_size=[50,2]
     [[Node: SoftmaxCrossEntropyWithLogits = >SoftmaxCrossEntropyWithLogits[T=DT_FLOAT, >_device="/job:localhost/replica:0/task:0/cpu:0"](Reshape_2, Reshape_3)]]

可以查看导致错误的代码here

模型中使用的变量大小：

x（？，1682）
y_（？，2）
x_history（？，290,290,1）
h_pool1（？，145,145,32）
h_pool2（？，73,73,64）
h_pool3（？，37,37,128）
h_pool4（？，19,19,256）
h_pool5（？，10,10,512）
h_fc1（？，1024）
h_fc1_drop（？，1024）
y_conv（？，2）

Answer 1

问题在于您将输入批次（形状50个训练实例x 1682特征）重塑为此行中的[-1,290,290,1]：

x_history = tf.reshape(x, [-1, 290, 290, 1])

您可以通过运行以下命令查看x_history的形状：

x_history.eval(feed_dict={x:batch[0], y_:batch[1], keep_prob:1.0}).shape

=> (1, 290, 290, 1)

这有效地为您的50个实例批处理所有功能并将其放在单个实例中（第一个维度为1，需要为50），然后通过网络的其余部分运行。因此，您的cross_entropy评估失败，因为它无法将50个目标标签的批次与网络的单个输出对齐。

您需要选择图层形状，以便通过网络保留批量尺寸（形状打印输出中的？）。一种方法是将你的特征填充到1764并重塑为[-1,42,42,1]，因为42 * 42 = 1764。

值得注意的是，2d卷积最常用于图像数据，其自然是二维的。鉴于您的功能不是二维的，您可能最好从一个更简单的完全连接的层网络开始？

Answer 2

为了解决这个问题，我最终将批量大小从50减少到了

batch = create_batches(train_data_pairs, 1)

并大大增加了训练迭代次数。另外，为了准确性，我根据大量小片测试数据测试模型，然后采用这种评估的平均值。

这不仅仅是解决问题的方法，而是让我继续探索TensorFlow的其他方面，并以不同的方式使用数据。

使用SoftmaxCrossEntropyWithLogits，logits和label必须是相同大小的错误

2 个答案: