我有一个具有以下架构的预训练模型。
_________________________________________________________________
Layer (type) Output Shape Param #
=================================================================
input_1 (InputLayer) (None, 200) 0
_________________________________________________________________
embedding (Embedding) (None, 200, 300) 402877800
_________________________________________________________________
spatial_dropout1d (SpatialDr (None, 200, 300) 0
_________________________________________________________________
bidirectional (Bidirectional (None, 128) 186880
_________________________________________________________________
dropout (Dropout) (None, 128) 0
_________________________________________________________________
batch_normalization_v1 (Batc (None, 128) 512
_________________________________________________________________
dense (Dense) (None, 6) 774
_________________________________________________________________
reshape (Reshape) (None, 6) 0
=================================================================
Total params: 403,065,966
Trainable params: 187,910
Non-trainable params: 402,878,056
_________________________________________________________________
Reshape层可确保日志与标签相同
我有一个输入数据，它是Tensor形状为（200，）的张量流对象，还有标签，它们也是形状为（6，）的'Tensor`张量流对象。
我的目标在这里是使用tensorflow keras提供的evaluate方法评估一个样本。为了简化起见，我将Tensor对象转换为numpy。由于模型接受[None, 200]的输入形状，因此在将输入数据输入模型之前，我必须重新定形。这样，模型将具有形状为（1,6）的对数，然后通过Reshape层将其重塑为（6，）。
# Clone model is the keras model
# sample_data.x is the input
# sample_data.y is the label
clone_model.evaluate([sample_data.x.numpy().reshape(1,200)], [sample_data.y.numpy()])
但是最后，我收到了以下错误消息
InvalidArgumentError: logits and labels must have the same first dimension, got logits shape [1,6] and labels shape [6]
[[{{node loss_4/dense_loss/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits}}]] [Op:StatefulPartitionedCall]
为了克服这个问题，我删除了Reshape层，并将标签的形状重塑为（1,6）（sample_data.y.numpy().reshape(1,6)）。但这无济于事，我最终遇到了同样的错误。
我想知道是否有人可以指出我在这里缺少什么？预先感谢。