Python tensorflow值错误：两种形状中的尺寸0必须相等

我目前正在学习TensorFlow。我正在尝试创建一个神经网络，它可以准确地评估预测模型并给它打分。我现在的计划是通过mlp将现有程序的分数进行合并，同时将它们与真实值进行比较。我已经玩弄了MNIST的数据，我正在尝试将我学到的知识应用到我的项目中。不幸的是，我有一个问题

def multilayer_perceptron(x, w1):
   # Hidden layer with RELU activation
   layer_1 = tf.matmul(x, w1)
   layer_1 = tf.nn.relu(layer_1)
   # Output layer with linear activation
   #out_layer = tf.matmul(layer_1, w2)
   return layer_1

def my_mlp (trainer, trainer_awn, learning_rate, training_epochs, n_hidden, n_input, n_output):
trX, trY= trainer, trainer_awn
#create placeholders
x = tf.placeholder(tf.float32, shape=[9517, 5])
y_ = tf.placeholder(tf.float32, shape=[9517, ])
#create initial weights
w1 = tf.Variable(tf.zeros([5, 1]))
#predicted class and loss function
y = multilayer_perceptron(x, w1)
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y, y_))
#training
train_step = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cross_entropy)
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
with tf.Session() as sess:
    # you need to initialize all variables
    sess.run(tf.initialize_all_variables())
    print("1")
    for i in range(training_epochs + 1):
        sess.run([train_step], feed_dict={x: [trX['V7'], trX['V8'], trX['V9'], trX['V10'], trX['V12']], y_: trY})
return 

代码给了我这个错误

ValueError: Dimension 0 in both shapes must be equal, but are 9517 and 1

---

运行交叉熵行时发生此错误。我不明白为什么会发生这种情况，如果您需要更多信息，我很乐意提供给您。

在您的情况下，y有形状[9517，1]，而y有形状[9517]。他们不适合露营。请尝试使用tf重塑y。重塑（y，y，[-1，1]）

在您的情况下，y具有形状[9517，1]，而y具有形状[9517]。他们不适合露营。请尝试使用tf重塑y。重塑（y，[-1，1]）

这是由于weights.hdf5文件与存储库中的新数据不兼容造成的。我已经更新了repo，现在应该可以使用了。

这是由于weights.hdf5文件与存储库中的新数据不兼容造成的。我已经更新了回购协议，现在应该可以使用了。

很抱歉，但我有点不知道如何处理这个答案。那份文件是什么？你在说什么回购协议？我看不出这个问题和这个答案之间有什么联系。很抱歉，但我有点不知道如何处理这个答案。那份文件是什么？你在说什么回购协议？我看不出这个问题和这个答案之间有什么联系。