Question

我不知道这个错误是如何产生的。我正在尝试将输入格式更改为RNN，并打印出原始版本（有效）和修改版本（崩溃）中的张量。

功能：

LABEL= Tensor("concat_1:0", shape=(?, 2), dtype=float32, device=/device:CPU:0) (?, 2)
inputs=Tensor("concat:0", shape=(?, 8), dtype=float32, device=/device:CPU:0)
x=[<tf.Tensor 'split:0' shape=(?, 1) dtype=float32>,
   <tf.Tensor 'split:1' shape=(?, 1) dtype=float32>,
   <tf.Tensor 'split:2' shape=(?, 1) dtype=float32>,
   <tf.Tensor 'split:3' shape=(?, 1) dtype=float32>,
   <tf.Tensor 'split:4' shape=(?, 1) dtype=float32>,
   <tf.Tensor 'split:5' shape=(?, 1) dtype=float32>,
   <tf.Tensor 'split:6' shape=(?, 1) dtype=float32>,
   <tf.Tensor 'split:7' shape=(?, 1) dtype=float32>]
last outputs=Tensor("rnn/rnn/basic_lstm_cell/mul_23:0", shape=(?, 3), dtype=float32)
PREDICTION Tensor("add:0", shape=(?, 2), dtype=float32) 
LOSS Tensor("mean_squared_error/value:0", shape=(), dtype=float32)

BROKEN：

X= 5 Tensor("Const:0", shape=(49, 10), dtype=float32, device=/device:CPU:0)
labels= Tensor("Const_5:0", shape=(49, 10), dtype=float32)
OUTPUTS Tensor("rnn/rnn/basic_lstm_cell/mul_14:0", shape=(49, 5), dtype=float32)
PREDICTIONS Tensor("add:0", shape=(49, 10), dtype=float32)
LABELS Tensor("Const_5:0", shape=(49, 10), dtype=float32)
LOSS Tensor("mean_squared_error/value:0", shape=(), dtype=float32)

以下是模型的代码，每个代码都相同：

lstm_cell = rnn.BasicLSTMCell(LSTM_SIZE, forget_bias=1.0)
outputs, _ = tf.nn.static_rnn(lstm_cell, x, dtype=tf.float32)
outputs = outputs[-1]
print('-->OUTPUTS', outputs)
weight = tf.Variable(tf.random_normal([LSTM_SIZE, N_OUTPUTS]))
bias = tf.Variable(tf.random_normal([N_OUTPUTS]))
predictions = tf.matmul(outputs, weight) + bias
print('-->PREDICTIONS', predictions)
print('-->LABELS', labels)
loss = tf.losses.mean_squared_error(labels, predictions)
print('-->LOSS', loss)
train_op = tf.contrib.layers.optimize_loss(loss=loss, global_step=tf.train.get_global_step(), learning_rate=0.01, optimizer="SGD")
eval_metric_ops = {"rmse": tf.metrics.root_mean_squared_error(labels, predictions)}

Answer 1

TL; DR ：在投放之前使用x = tf.split( x, 10, axis = -1 )拆分x。

<强> TS; WM ：

错误可能发生在tf.nn_static_rnn()，代码的第二行（如果您发布了错误行号，那可能会很好）：

outputs, _ = tf.nn.static_rnn(lstm_cell, x, dtype=tf.float32)

“破损”版本尝试输入形状为（49,10）的张量，而工作版本正在输入一个8个张量的列表，形状为（？，1）。文档说：

输入：输入的长度为T的列表，每个都是形状张量[batch_size，input_size]或这些元素的嵌套元组。

在上一行中，您使用tf.contrib.rnn.BasicLSTMCell.__init__()定义lstm_cell（可能是因为您的代码中省略了导入行），其中num_units参数由{{1}填充（再次，从代码中省略）：

LSTM_SIZE

所以你必须把你的鸭子连成一排。 lstm_cell = rnn.BasicLSTMCell(LSTM_SIZE, forget_bias=1.0)必须是（batch_size，1）张量的列表，您可以使用tf.split()来实现：

我假设10是您尝试提供的数据的长度，只是基于您粘贴的输出。

ValueError：将形状转换为TensorShape时出错：尺寸-5必须>＆gt; = 0

1 个答案: