我根据研究论文建立了一个深度CNN，现在我正在尝试训练它。在我完成的所有卷积和反卷积之后，我得到了一个名为final的结果。
x = tf.placeholder(tf.float32, shape=[None, 7168])
y_ = tf.placeholder(tf.float32, shape=[None, 7168])
在我的模型中，我有一个大小为32x32x7的图像，其中每个像素都有相应的密度。模型的输出将是每个像素的标签。因此，我宣布了两个占位符，其中＆＃34; x＆＃34;表示输入和＆＃34; y _＆＃34;代表输出。
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=final))
现在我正在尝试训练模型，我有这条线
RequestNavigate("TabRegion", uri)在训练模型时，我收到错误：logits和label必须大小相同：logits_size = [7168,1] labels_size = [1,7168] 标签是这样大小是有道理的，因为这是我宣布它的方式。 但是，我不明白为什么在打印出来时，为什么logits的大小为[7168,1]＆＃34; final＆＃34;具有形状（1,32,32,7,1）。
答案 0 :(得分：1)
只需tf.reshape final：
final = tf.reshape(final, [None, 7168])
虽然我不确定为什么在你拨打softmax_cross_entropy_with_logits时会自动展平......