Question

这是我的连体网络，功能是98个图像编码为numpy ndarray工作正常，标签是0,1,2,3,4，即他们使用tensorflow转换为onehot，工作正常。现在模式是“火车”。我正在关注和编辑mnist数据集代码的tensorflow代码。我有98张图片，可以是0..4级。一切正常，直到logits，它的尺寸与我的标签不一样是问题。

def siamese_network(features, labels, mode):
    """Model function for Siamese Network"""
    input_layer = tf.reshape(features, [-1, 28, 28, 1])
    conv1 = tf.layers.conv2d(
    inputs=input_layer,
    filters=32,
    kernel_size=[5, 5],
    padding="same",
    activation=tf.nn.relu)

    pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)

    conv2 = tf.layers.conv2d(
    inputs=pool1,
    filters=64,
    kernel_size=[5, 5],
    padding="same",
    activation=tf.nn.relu)
    pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)

    pool2_flat = tf.reshape(pool2, [-1, 7 * 7 * 64])
    dense = tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu)
    dropout = tf.layers.dropout(
    inputs=dense, rate=0.4, training=mode == tf.estimator.ModeKeys.TRAIN)

    logits = tf.layers.dense(inputs=dropout, units=5)
    print(logits)    #gives (294,5)
    predictions = {
    "classes": tf.argmax(input=logits, axis=1),
    "probabilities": tf.nn.softmax(logits, name="softmax_tensor")
    }

    if mode == tf.estimator.ModeKeys.PREDICT:
        return tf.estimator.EstimatorSpec(mode=mode, predictions=predictions)


    onehot_labels = tf.one_hot(indices=tf.cast(labels, tf.int32), depth=5)
    print(onehot_labels)    #dimension is (98,5)
    print(logits)            # dimension is (294,5)

    #error in this line,until here everything is fine

    loss = tf.losses.softmax_cross_entropy(
    onehot_labels=onehot_labels, logits=logits)

我在损失线上得到的错误是： -

 ValueError: Shapes (294, 5) and (98, 5) are incompatible

我尝试使用“pool2_flat = tf.reshape（pool2，[ - 1,7 * 7 * 64]），将poolize更改为[5,5]”并且logits的维度开始变为（147,5），（96,5）等，但没有任何有用的事情发生，也不能真正成为一个很好的解决方案，因为培训规模将改变尺寸也将随之改变。我哪里做错了？谢谢。

使用单张标签和张量流中的匹配尺寸

0 个答案: