Python 计算损失时出现值错误

我在运行模型时遇到此值错误：

ValueError: Can not squeeze dim[1], expected a dimension of 1, got 18000 for 'sparse_softmax_cross_entropy_loss/remove_squeezable_dimensions/Squeeze' (op: 'Squeeze') with input shapes: [?,18000].

触发错误的位置是：

logits = model(image, training=True)
loss = tf.losses.sparse_softmax_cross_entropy(labels=labels, logits=logits)
accuracy = tf.metrics.accuracy(
    labels=labels, predictions=tf.argmax(logits, axis=1))

---

调用sparse_softmax_交叉熵函数时会出现错误。我使用的图片的尺寸是（50、120、3）。关于如何解决这个问题，有什么线索吗？

你读过类似的文章吗？我读过，但我读不出最终的解决方案：/@MohanRadhakrishnantry:cross\u entropy=tf.nn.sparse\u softmax\u cross\u entropy\u with\u logits（labels=labels，logits=logits）；损失=tf。减少平均值（交叉熵）。告诉我这是否有帮助。登录和标签的尺寸是多少？图像的尺寸在这里是不相关的。好的，我现在收到的错误是：ValueError:Rank dismatch:Rank of label（接收到的2）的秩应该等于logits的秩减1（接收到的2）@Vlad