Question

我尝试了所有的一切，但我无法解决问题，如果你能帮助我解决这个问题，我将非常感激。此外，我是新手，并用不同的方法学习。

我将我的MNIST图像调整为[22,22]，然后将它们重新塑造为[1,484]。最后我想提供我的网络模型，但我收到一个错误： ValueError：无法为Tensor'Plankholder_1：0'提供形状值（50，），其形状为'（？，10）'

我的代码如下：

import tensorflow as tf
import numpy as np
from skimage import transform
tf.reset_default_graph()
from numpy import array

mnist = tf.contrib.learn.datasets.load_dataset("mnist")

x = tf.placeholder(tf.float32, [None, 484])

W = tf.get_variable("weights", shape=[484, 10],
                initializer=tf.random_normal_initializer())

b = tf.get_variable("bias", shape=[10],
                initializer=tf.random_normal_initializer())

y = tf.nn.softmax(tf.matmul(x, W) + b)
y_ = tf.placeholder(tf.float32, [None, 10])

cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), 
reduction_indices=[1]))
train_step = tf.train.GradientDescentOptimizer(0.2).minimize(cross_entropy)

batch_size=50

for _ in range(10000):
        batch_img, batch_label = mnist.train.next_batch(batch_size)  

        imgs = batch_img.reshape((-1, 28, 28, 1))
        print(imgs.shape[0])

        resized_imgs = np.zeros((imgs.shape[0], 22, 22, 1))
        for i in range(imgs.shape[0]):
            resized_imgs[i, ..., 0] = transform.resize(imgs[i, ..., 0], 
        (22,22))
        image = array(resized_imgs).reshape(imgs.shape[0], 484)
        print(image.shape)
        with tf.Session() as sess:
            sess.run(train_step, feed_dict={x: image, y_: batch_label})

correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

print(sess.run(accuracy, feed_dict={x: mnist.test.images, y_: 
mnist.test.labels}))
print ("done with training")

非常感谢您的帮助和提前感谢。

Answer 1

您需要将 OneHot 标签设置为(50, 10)形状以匹配形状，例如：

mnist = input_data.read_data_sets('/Users/xiachen/IdeaProjects/scala99/model/tensorflow', one_hot=True)

您还需要关注预测的会话范围，

你应该在训练tf.global_variables_initializer().run()之前初始化变量。

ValueError：无法为Tensor'Plankholder_1：0'提供形状值（50，），其形状为'（？，10）'

1 个答案: