Python Tensorflow卷积网络错误：无效参数：logits和标签的大小必须相同：logits\u size=[512,4]labels\u size=[128,4]

我根据这里找到的5_convolutional_net.py示例制作了一个convnet:。我试着把棋子分类。我加载了我的图片：每幅图片有1136张60x60的灰度图像。我将它们分割成训练图像和测试图像，为每一个片段制作热向量，然后将它们合并。所以我的testimages.shape=（40,60,60），testlabels.shape=（40,4），trainimages.shape=（4504,60,60），trainlabels.shape=（4504,4）。4504=4*（1136-10）

运行脚本时，第100行出现以下错误：

tensorflow.python.framework.errors.InvalidArgumentError: logits and labels must be same size: logits_size=[512,4] labels_size=[128,4]
     [[Node: SoftmaxCrossEntropyWithLogits = SoftmaxCrossEntropyWithLogits[T=DT_FLOAT, _device="/job:localhost/replica:0/task:0/cpu:0"](MatMul_1, _recv_Placeholder_1_0)]]
Caused by op 'SoftmaxCrossEntropyWithLogits', defined at:
  File "/home/matyi/OneDrive/PYTHON/PYTHON3/chess_vision/5_convolutional_net_chess.py", line 100, in <module>
    cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(py_x, Y))

tensorflow.python.framework.errors.InvalidArgumentError:logits和labels的大小必须相同：logits\u size=[512,4]labels\u size=[128,4]
[[Node:SoftmaxCrossEntropyWithLogits=SoftmaxCrossEntropyWithLogits[T=DT\u FLOAT，\u device=“/job:localhost/replica:0/task:0/cpu:0”]（MatMul\u 1，\u recv\u占位符\u 1\u 0）]]
由op“SoftmaxCrossEntropyWithLogits”引起，定义于：
文件“/home/matyi/OneDrive/PYTHON/PYTHON3/chess\u vision/5\u voluminal\u net\u chess.py”，第100行，在
成本=tf.reduce\u均值（tf.nn.softmax\u交叉\u熵\u与逻辑（py\u x，Y））

我也不明白128在108行的作用。你能帮我吗

图像示例：

---

因为您提供了60x60x1图像，所以您的张量形状将如下所示：

Tensor("Relu:0", shape=(?, 60, 60, 32), dtype=float32)
Tensor("MaxPool:0", shape=(?, 30, 30, 32), dtype=float32)
Tensor("Relu_1:0", shape=(?, 30, 30, 64), dtype=float32)
Tensor("MaxPool_1:0", shape=(?, 15, 15, 64), dtype=float32)
Tensor("Relu_2:0", shape=(?, 15, 15, 128), dtype=float32)
Tensor("MaxPool_2:0", shape=(?, 8, 8, 128), dtype=float32)

所以你最后的体重w4应该是：

w4 = init_weights([128 * 8 * 8, 625])

---

让我们首先尝试此更改。

zip（范围（0，len（trainimages），128），范围（128，len（trainimages），128））中的128是训练批大小。你能把整个堆栈跟踪放进去吗？谢谢它成功了！它现在正在训练。准确度虽然没有增加，但精确到0.25。我的图像是有序的，这会是个问题吗？（1126辆车，然后1126位主教…）所以对于一批128张图片，大多数时候所有图片都是相同的（例如车）。或者我的网络对于这个任务来说太简单了？我也会洗牌训练集。顺便说一句，你只有4个标签？是的，现在只有车、主教、兵和骑士。我来洗牌，谢谢！我添加了图片的示例。让我知道它是如何进行的。很有趣。我想你会得到99%以上的准确率。你是说我有4个等级，4个标签吗？我有4544个标签，每个图像一个

w4 = init_weights([128 * 8 * 8, 625])