Tensorflow.js：op最大值的梯度错误。输入“$a”的渐变具有形状“32200”，与输入“32,1”的形状不匹配

我构建了一个非常简单的Tensorflow操作，一切似乎都有意义，但当我调用fit函数时，模型无法反向传播梯度，并显示上述错误消息：

Error in gradient for op maximum. 

The gradient of input '$a' has shape '32,200', 
which does not match the shape of the input '32,1'

以下是xTrain和yTrain的类型

以下是模型的预期输入和输出：

model.input
  Array(3) [null, 20, 73]
  float32
model.outputs[0]
  Array(2) [null, 200]
  float32

[编辑]我应该注意，我的问题只发生在我尝试使用

loss: 'cosineProximity'

这是我的密码：

console.log启动计算和保存模型； 常数模型=tf.sequential； model.addtf.layers.simpleRN{ 单位：嵌入的长度单位，//嵌入单位的数量单位， 递归初始化程序：“glorotNormal”， inputShape:[最大长度，已识别字母.长度]， 返回顺序：false， }; console.logmodel.input.shape； console.logmodel.input.dtype； console.logmodel.outputs[0].shape； console.logmodel.outputs[0].dtype； console.logmodel.batchInputShape； model.compile{ 损失：“余邻性”， 优化器：“亚当”， 指标：['acc'] }; console.logstart compute_和_save_model fit 等待模型。fitxTrain，yTrain{ 时代：2， 批量大小：32， 验证片段：0.2， 回调：{ onBatchBeginb{ console.logstarting compute_和_save_model fit:+b+； } } }; 可从

有人知道这里可能出了什么问题吗

编辑：我试图创建自己的cosineProximity实现，但得到了相同的错误。以下是我对余邻性的实施，以供参考：

const cosine=tf.layers.dot{axes:-1，normalize:true} 损失：功能A，b{ 返回tf.negtf.meancosine.apply[a，b]； },

---

我花了一些时间在这上面，看起来这是Tensforflow.js实现中的一个错误

如果您面临同样的问题，您可以通过自己应用下面的补丁来修复它。我相信tfjs层维护人员最终会合并这个请求，所以希望您以后不会再遇到这个问题

---

我不知道到底什么是主要问题，但我通过用“meanSquaredError”损失替换“Cosinessilarity”损失，成功地运行了模型。我仍然有兴趣理解为什么cosinistality loss不起作用，以及我需要做些什么来让它起作用。你能添加更多关于你的模型、标签和特征形状的代码吗？@edkevek当然，除了有什么，你还希望有什么？据我所知，除了我粘贴的代码以及我在上文中已经描述过的张量xTrain和yTrain之外，没有什么比这更重要的了。你能用stackblitz.com做一个片段来抛出同样的错误吗？@edkeveked拉取请求现在已经合并了。

loss: 'cosineProximity'

| export function l2Normalize(x: Tensor, axis?: number): Tensor {
|   return tidy(() => {
|     const squareSum = tfc.sum(K.square(x), axis, true);
-     const epsilonTensor = tfc.mul(scalar(epsilon()), tfc.onesLike(x));
+     const epsilonTensor = tfc.mul(scalar(epsilon()), tfc.onesLike(squareSum));
|     const norm = tfc.sqrt(tfc.maximum(squareSum, epsilonTensor));
|     return tfc.div(x, norm);
|   });
| }