Python Tensorflow:应为bool，得到类型为'的1；int'；相反

我的问题是，当我试图计算损失值时，我得到了以下错误：

应为bool，但得到了类型为“int”的1

我的目标是尝试识别图像中的角色，但并非所有图像都有角色。因此，每个图像的标签由一个表示字符存在与否的值（0或1）和一个表示相应字符的热向量（a->Z->0->9）组成。例如，我有一个包含“B”字符的图像，标签如下：

1 0100000000000000000000000000000

如果图像根本不包含任何字符，则一个热字符是随机的，例如：

0000000000000000000000000000000000000000000

为了计算损失，我使用sigmoid作为标签的第一个值，softmax作为字符部分。但是在没有角色的图像中，我想“忽略”softmax部分。我试着这样做：

def loss_total(logits_value):
    is_char = tf_train_labels[:, 0] > 0.5

    logits_part_1 = logits_value[:, 0]
    logits_part_2 = logits_value[is_char, 1:]

    loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=logits_part_1, labels=tf_train_labels[:,0]))
    loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits_part_2, labels=tf_train_labels[is_char,1:])) + loss
...

我随机创建了一批50张图片，并试图训练CNN。函数的第一行是计算50个图像中的哪些是字符。然后我试着划分标签。 我拍摄了所有50张图像来计算sigmoid损失，并尝试拍摄所有字符图像来计算softmax损失，但当我这样做时，出现了描述的错误

logits\u part\u 2=logits\u value[is\u char，1::]->应为bool，取而代之的是类型为“int”的1

---

在numpy中，我认为这是可行的，但不幸的是，没有使用张量。有人知道我该怎么解决吗

您的所有参数都表示什么是期望值/类型？@salvadodali'logits_value'是CNN的出口，没有应用激活函数（带形状[50,37]的张量），'tf_train_labels'是每个标签的基本事实（形状[50,37]）。“is_char”是一个大小为50的向量，表示训练批的每一行的真（有一个字符）或假（随机图像）。“logits_parts_2”的预期值/类型是一个具有形状的张量[其中，_是_true_，在_向量中，_'is_char'，36]，dtype=float。