Python 如何在TensorFlow中将tf.equal（）与shape=（1，1）的标签张量一起使用？

我正在尝试评估单个图像。到目前为止，它是有效的。我得到每个类的个体概率和正确的标签。但是当我尝试使用

tf.argmax（标签，1）

获取类时，我总是得到类“0”

对于每个数据点，我总是得到“0”。我想继续使用

tf.equal（）

但是标签的argmax值错误，当然这是不可能的。有什么想法吗

...
image, label = ...
logits = model(image)
arg_log = tf.argmax(logits, 1)
arg_lbl = tf.argmax(label, 1) # What must i change here?
cor_pre = tf.equal(arg_log, arg_lbl)
...

编辑 我每次都得到“0”，因为我得到了索引！我把问题改为： 如何在TensorFlow中对形状为（1，1）的张量使用tf.argmax（）？ 致： 如何在TensorFlow中将tf.equal（）与形状=（1，1）的标签张量一起使用？

基于，

tf.argmax（）

采用

输入和
轴以及其他参数

如果您的标签具有形状[1,1]，您希望从轴1上的argmax得到什么？只有一个条目

很可能，您希望将标签与argmaxed结果进行比较。因此：

...
image, label = ...
# label: Tensor("..", shape=(1, 1), dtype=int32)
logits = model(image)
# logits: Tensor("..", shape=(1, 10), dtype=float32)
predic = tf.nn.softmax(logits)
arg_log = tf.argmax(logits, 1)
...
pre, lbl, a_log, a_lbl = sess.run([predic, label, arg_log, arg_lbl])
cor_pre = tf.equal(arg_log, tf.cast(label, tf.int64))

形状（1，1）的任何数组将只包含一个元素。一个元素必须是数组中的最大元素。
我找到了一个解决方案，在
tf.equal（）中使用它之前，将标签强制转换为
int64

标签是如何定义的？我更改了问题：）tf.argmax（）返回最大值的索引，因此对于形状张量（1,1），索引总是0:D“标签定义”是什么意思？好的。那么您是在寻找大小为1的数组中的最大值？我想你不应该感到惊讶，这是我问这个问题半分钟后意识到的。但是我如何使用tf呢。现在相等了？我明白了！我必须将它转换为int64！我应该删除整个问题吗？我已经更新了我的解决方案，将强制转换包含到int64中——希望现在有了更完整的解释。
...
image, label = ...
# label: Tensor("..", shape=(1, 1), dtype=int32)
logits = model(image)
# logits: Tensor("..", shape=(1, 10), dtype=float32)
predic = tf.nn.softmax(logits)
arg_log = tf.argmax(logits, 1)
...
pre, lbl, a_log, a_lbl = sess.run([predic, label, arg_log, arg_lbl])
cor_pre = tf.equal(arg_log, tf.cast(label, tf.int64))

...
image, label = ...
logits = model(image)
cor_pre = tf.equal(tf.argmax(logits, 1), tf.cast(label, tf.int64))
...