Tensorflow维度必须相等，但不是'；无效辩论者'；损耗/密集损耗/子损耗'； 回溯（最近一次呼叫最后一次）： 文件“C:\Users\…\venv\lib\site packages\tensorflow\u core\python\framework\ops.py”，第1619行，位于“create\u C\u op”中 c_op=c_api.TF_FinishOperation（操作说明） tensorflow.python.framework.errors\u impl.InvalidArgumentError:维度必须相等，但对于输入形状为[？，72]，？，100]的“丢失/密集丢失/子”（op:'sub'），维度为72和100。 在处理上述异常期间，发生了另一个异常： 回溯（最近一次呼叫最后一次）： 文件“C:/Users/../src/main/start.py”，第188行，在 main（） 文件“C:/Users/../src/main/start.py”，第178行，在main中 多步历史=多步模型。拟合（训练数据多步，历元=历元，每历元步数=200，验证数据=val数据多步，验证步骤=50） 文件“C:\…\venv\lib\site packages\tensorflow\u core\python\keras\engine\training.py”，第819行，以适合的形式 使用多处理=使用多处理）

代码主要在这里：

但您也可以完全克隆并在本地运行它以进行调试，只需确保使用配置参数

--env local

运行，这样您就不需要找到API密钥之类的东西

您需要CUDA 10.1、cudnn-10.1、tensorflow==2.1.0和一个支持CUDA的GPU才能在本地运行

我对tensorflow和这些维度错误非常陌生，所以我希望我忽略了一些简单的东西

---

此项目是根据本教程制作的：

尺寸必须相等，但对于输入形状为[？，72]，？，100]的“损失/密集损失/子”（op:“子”）而言，尺寸为72和100

---

正如错误所说，你们有两个形状为[？，72]，？，100]的张量。它们的形状应该是相同的，或者它们都是[？，72]，，，，，，，，，，，，，，，，，，，，，，，，，，，，100]。

您的输入维度是错误的，请检查

train\u data\u multi

的形状。我不完全确定我是否理解-它本身没有形状，但它有两个带形状的张量，是错误的吗@我想这是有道理的。我是TF的新手，所以所有这些行话对我来说都有点喧嚣，我真的很想理解，但目前我还不知道解决方案是什么，ofc我真的不能让其他人帮我弄明白。
Traceback (most recent call last):
  File "C:\Users\...\venv\lib\site-packages\tensorflow_core\python\framework\ops.py", line 1619, in _create_c_op
    c_op = c_api.TF_FinishOperation(op_desc)
tensorflow.python.framework.errors_impl.InvalidArgumentError: Dimensions must be equal, but are 72 and 100 for 'loss/dense_loss/sub' (op: 'Sub') with input shapes: [?,72], [?,100].

During handling of the above exception, another exception occurred:

Traceback (most recent call last):
  File "C:/Users/.../src/main/start.py", line 188, in <module>
    main()
  File "C:/Users/.../src/main/start.py", line 178, in main
    multi_step_history = multi_step_model.fit(train_data_multi, epochs=epochs, steps_per_epoch=200, validation_data=val_data_multi, validation_steps=50)
  File "C:\...\venv\lib\site-packages\tensorflow_core\python\keras\engine\training.py", line 819, in fit
    use_multiprocessing=use_multiprocessing)