Python 3.x tf.nn.softmax\u cross\u entropy\u与\u logits如何使用标签

对于作业，我应该为其中的一部分编写一个单层神经网络。我想我大部分的东西都是对的，但是当我尝试使用tf.nn.softmax\u cross\u entropy\u with\u logits方法时，我得到了一个错误，说“ValueError:必须同时提供标签和logits”。这显然意味着我需要同时提供标签和logits，因为我现在只在代码中提供logits，所以我理解错在哪里。我不明白的是，什么是标签，在这种情况下我是如何使用它们的？请记住，我是个新手，在张量流和神经网络方面缺乏经验。谢谢

在监督学习中，您必须随训练数据一起给出标签，softmax_cross_entropy_with_logits计算logits和标签之间的softmax cross entropy。它有助于给出数据在特定类中的概率。你可以在这里了解更多

我给了您一段tensorflow教程中的代码，其中使用了

softmax\u cross\u entropy\u with\u logits

。这里的

y

是一个占位符，标签被馈送到该占位符。

---

另外，

softmax\u cross\u entropy\u with\u logits

目前也不推荐使用

Hmm标签是目标。在监督学习中，你为它提供了一个学习目标。嗯，我想我理解它。任务的另一部分是我们的输入有shape=[None，784]，输出应该是shape=[None，10]，其中一个分层网络layersize=10。我用shape=[layersize，784]创建权重，然后乘以输入和添加的偏差，然后通过softmax。这是正确的方法吗？关于标签的另一件事，在本作业中，我们只是创建网络，培训代码由提供给我们的代码处理，它不提供标签占位符的值。我怎样才能得到这些标签的值呢？我想最好我不这么做，因为这是一项大学作业。不过，我算出了占位符和标签部分，谢谢你。我现在的问题是matmul特遣部队。我的输入占位符是None，784，从错误中可以看出它是256784，但我的权重是[10784]。我得到了matmul不兼容的矩阵大小。我如何解决这个问题？您可以更改权重矩阵的尺寸，以匹配输入的尺寸

h_fc1_drop = tf.nn.dropout(h_fc1, keep_prob)

W_fc2 = weight_variable([1024, 10])
b_fc2 = bias_variable([10])

y_conv = tf.matmul(h_fc1_drop, W_fc2) + b_fc2    
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, logits=y_conv))