从池化到完全连接：logits和label必须具有相同的第一维

Question

我从张量流开始，我遇到了一些我无法解决的问题。

我从一些算法开始输入一批图像来预测它们，但我在形状上遇到了一些问题。

GIST：https://gist.github.com/anonymous/5140ee46b1036742c26f3b050ec0a7d9

我认为错误在第53行。我不确定第36行的n_inputs = 63360是否正确。

可能我需要将一批合并的图像转换为完全连接的图层。

错误是：tensorflow.python.framework.errors_impl.InvalidArgumentError: logits and labels must have the same first dimension, got logits shape [1,2] and labels shape [2] [[Node:loss/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits = SparseSoftmaxCrossEntropyWithLogits[T=DT_FLOAT, Tlabels=DT_INT32, _device="/job:localhost/replica:0/task:0/cpu:0"](dnn/fully_connected_2/BiasAdd, _arg_Placeholder_1_0_1)]]

但我认为我错过了一些重要的步骤。

Answer 1

问题是由不匹配的形状引起的。您可以重新整形logit或标签，使其形状匹配。

例如：

logits = tf.reshape(logits, [-1])
xentropy = tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y, logits=logits))