Python TensorFlow/TFLearn:ValueError:无法为Tensor u'输入形状（64，）的值；目标/Y:0'；，其形状为'；（？，10）和#x27；

我一直在尝试使用和我自己的数据集执行回归

使用tflearn，我一直在尝试使用MNIST数据集实现一个卷积网络。我没有使用MNIST数据集，而是尝试用自己的数据集替换培训和测试数据。我的数据是从csv文件中读取的，与MNIST数据的形状不同。我有255个特征，它们代表一个15*15的网格和一个目标值。在示例中，我将第24-30行替换为（并将import numpy包括为np）：

我得到以下错误：

ValueError:无法为张量u'目标/Y:0'输入形状（64，）的值， 它的形状是“（？，10）”

我尝试了各种组合，并在stackoverflow中看到了一个成功的例子，但没有成功。本页中的示例不适用于我，并引发类似错误，我不理解提供的答案或类似问题提供的答案

如何使用自己的数据？

简短回答 在的第41行中，您还必须将

network=fully_connected（网络，10，activation='softmax'）

中的输出大小10更改为1，以

network=fully_connected（网络，1，activation='linear'）

。请注意，您可以删除最终的softmax

查看您的代码，您似乎有一个目标值

Y

，这意味着将L2损失与

均方

一起使用（您将找到所有可用的损失）：

此外，重塑Y和Y_测试以获得形状（批次大小，1）

---

详细回答：如何分析错误并找出错误 以下是如何分析错误：

• 错误是

  无法输入值。。。对于张量'target/Y'

  ，这意味着它来自于feed\u dict参数Y
• 同样，根据错误，您尝试输入shape（64，）的Y值

  ，而网络希望输入shape
  （？，10）
  。
  
  它需要一个形状（批量大小，10），因为它最初是MNIST的网络（10个类）
  

• 我们现在要更改网络的预期值Y。
  • 在代码中，我们看到最后一层

    完全连接（网络，10，activation='softmax'）

    返回大小为10的输出
  • 我们将其更改为不带softmax的大小为1的输出：

    完全连接（网络，1，激活='linear'）

---

最后，这不是一个bug，而是一个错误的模型架构

太好了，非常感谢您给出了如此详细的答案。希望它能起作用，希望下次您能理解两年后TensorFlow的错误消息（我必须承认相当复杂），并且@OlivierMoindrot您不知道我有多感激！

#read in train and test csv's where there are 255 features (15*15) and a target
csvTrain = np.genfromtxt('train.csv', delimiter=",")
X = np.array(csvTrain[:, :225]) #225, 15
Y = csvTrain[:,225]

csvTest = np.genfromtxt('test.csv', delimiter=",")
testX = np.array(csvTest[:, :225])
testY = csvTest[:,225]

#reshape features for each instance in to 15*15, targets are just a single number
X = X.reshape([-1,15,15,1])
testX = testX.reshape([-1,15,15,1])

## Building convolutional network
network = input_data(shape=[None, 15, 15, 1], name='input')

regression(network, optimizer='adam', learning_rate=0.01,
                 loss='mean_square', name='target')