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Python tensorflow值错误:两种形状中的尺寸0必须相等,python,tensorflow,neural-network,Python,Tensorflow,Neural Network,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
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。