线性回归和3d矩阵存在问题。 它们都是浮点数，带有标签。
我从这段代码开始，但我更改了矩阵： https://aqibsaeed.github.io/2016-07-07-TensorflowLR/
有2个尺寸，它运作良好但是，3，我无法让它运行。
这是形状
Item
(387, 7, 10) shape train_x
(387, 1) shape train_x
(43, 7, 10) test_x.shape
(43, 1) test_y.shape
答案 0 :(得分：1)
您的错误消息显示了引发它的确切原因。
占位符与train_x之间的维度不适合。
train_x具有（387,7,10）形状。在通常的惯例中，你有387个数据点，它有（7,10）维。
但是，X（占位符，您将放入train_x的存储桶）具有[None，n_dim]（我猜n_dim为7）形状。
在第一个元素中使用[None，〜]仅作为数据点的数量，而不是数据的维度。
因此，在这种情况下，您需要将[None，n_dim]更改为[None，7,10]。
编）
在这种情况下，X不是精确的3D数据。只是一堆2D数据。对于2D数据的直接权重乘法，您需要卷积步骤。那是CNN。但是你只有非常小的维度数据矩阵，你只需要将（7,10）矩阵形状数据重塑为（7 * 10）矢量形状数据。
使用tf.reshape功能。tf.reshape(X, shape=[387, 7*10])将有效，并且还会将W更改为正确尺寸以进行相乘。比如，tf.Variable(tf.ones([7*10,1]))。