Python 从TF 1.12移动到1.10后，密层输出形状错误

我正在从Tensorflow 1.12迁移到Tensorflow 1.10（Collaboratory->AWS sagemaker），代码在Tensorflow 1.12中似乎运行良好，但在1.10中我得到了一个错误

ValueError:检查目标时出错：预期密度为2维，但得到了具有形状的数组（52692，）

输入示例-不带空格的字符串：

["testAbc", "aaDD", "roam"]

我通过将小写字母改为1、大写字母2、数字-3、'-'-4、'-5、'-5和填充进行预处理，使它们的长度与0相等

以及4个标签a-0,b-1,c-2,d-3

假设每个单词的最大长度是10（在我的代码中是20）：

功能-[[1 1 1 2 1 0 0 0][1 1 2 0 0 0 0 0 0][1 1 1 0 0 0 0][1 1 1 1 1 0 0 0 0]

标签-[1,1,2,3]

预期产出：[a:0%，b:0%，c:1%，d:99%]（示例）

train和evale的形状-二维阵列

train["featuresVec"]=
[[1 2 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0 0]
 [2 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0 0 0]]

evale["featuresVec"]=
[[1 1 1 1 1 1 1 1 1 0 0 0 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 1 2 1 1 1 1 1 0 0 0 0 0 0 0 0]
 [1 1 1 1 1 2 1 1 1 1 1 1 2 1 1 1 1 1 1 0]
 [1 1 1 1 1 2 1 1 1 1 1 2 1 1 1 1 1 1 0 0]
 [1 1 1 1 1 2 1 1 1 1 1 1 0 0 0 0 0 0 0 0]]

train["labelsVec"] = [1 0 0 0 2]
evale["labelsVec"] = [0 1 1 1 1]

形状：

train["featuresVec"] = [52692, 20]
evale["featuresVec"] = [28916, 20]
train["labelsVec"] = [52692]
evale["labelsVec"] = [28916]

---

可能您的标签向量的形状需要是

（批次大小，1）

，而不仅仅是

（批次大小，1）

---

注意：由于您使用的是

sparse\u categorical\u crossentropy

作为损失函数，而不是

categorical\u crossentropy

，因此对标签进行热编码是正确的

train[“featuresVec”]和train[“labelsVec”]的形状是什么？@MatiasValdenegro我用codeYes中的值更新了这个问题，但我只询问了形状。您现在可以看到数据的格式不正确。我还询问了train[“labelsVec”]啊，等等，稀疏交叉熵损失进行了一次热编码，您可以尝试制作标签数组（52692，1）吗？因此我尝试将标签包装到另一个[]中，以创建形状（大小，1）但我在检查目标时仍然遇到错误：预期稠密将具有形状（1），但获得具有形状（52692）的数组。我认为您是通过这种方式创建形状（1，大小），而不是（大小，1）。也许试着重塑一下？

train["featuresVec"] = [52692, 20]
evale["featuresVec"] = [28916, 20]
train["labelsVec"] = [52692]
evale["labelsVec"] = [28916]