Question

我尝试使用tensorflow构建我的第一个简单神经网络，在上面可以看到我的代码。我的代码可以计算出损失，但是当我尝试添加train_step时，我收到了错误消息InvalidArgumentError (see above for traceback): Matrix size-incompatible: In[0]: [2,2], In[1]: [1024,1]，该错误消息说Matrxis的尺寸不兼容，但是我不理解尺寸。我认为它们必须是[1]和[1] ...

input=[[1,2,3,4,5],[6,7,8,9,10]]
labels=[1,1]

x = tf.placeholder(tf.float32, [None, 5])
y = tf.placeholder(tf.float32)

hidden = tf.layers.dense(inputs=x, units=1024, activation=tf.nn.relu)
output = tf.layers.dense(inputs=hidden, units=1)

loss = tf.losses.softmax_cross_entropy(y, output)
train_step = tf.train.AdamOptimizer(1).minimize(loss)

init = tf.global_variables_initializer()

with tf.Session() as sess:
     sess.run(init)
     for i in range(1):
         result = sess.run(train_step, feed_dict={x: input,y: labels})
         print(result)

Answer 1

原因是由于您的输入和标签不一致。对于您的输入，您有2个输入向量，其尺寸为（1，5）。在输出层中，您只有一个输出。在标签中，只有一个尺寸（1,2）的示例。

两个修复程序，具体取决于您要执行的操作。如果您打算做两个训练示例（看起来像您正在做的那样）：

input=[[1,2,3,4,5],[6,7,8,9,10]]
labels=[[1],[1]]

，其余的保持不变。这样，您就有2个输入向量和2个标签示例。

第二种可能的解释，其中您要输入2个输入矢量，它们的标签均为[1，1]。然后将所有内容保持不变，但是将输出层更改为：

output = tf.layers.dense(inputs=hidden, units=2)

我很确定第一个解决方法就是您要寻找的。同样，您的代码将永远不会更新您的神经网络，因为您在任何地方都没有sess.run（train_step）。如果您希望它实际训练，那么您也将需要该步骤。

Tensorflow-训练亚当

1 个答案: