教程中的Tensorflow不兼容形状错误

我一直在尝试从中创建卷积网络，但遇到了麻烦。出于某种原因，我得到的错误是y_conv的大小比y_conv的大小大4倍，我不知道为什么。我发现了，但这似乎是一个不同于我的问题，虽然它看起来相似

需要说明的是，下面代码中的批大小是50，但它出现的错误是

tensorflow.python.framework.errors.InvalidArgumentError:不兼容的形状：[200]与[50]

当我将批量大小更改为10时，我得到

tensorflow.python.framework.errors.InvalidArgumentError:不兼容的形状：[40]与[10]

所以它和批量大小有一定的关系，但我不知道。有人能告诉我这个代码有什么问题吗？这几乎是直接从上面链接的教程

来自tensorflow.examples.tutorials.mnist导入输入数据
mnist=输入数据。读取数据集（'mnist\U数据'，one\U hot=真）
导入tensorflow作为tf
sess=tf.InteractiveSession（）
def重量_变量（形状）：
初始值=tf.截断的_法线（形状，标准差=0.1）
返回tf.变量（初始值）
def偏差_变量（形状）：
初始=tf.常数（0.1，形状=形状）
返回tf.变量（初始值）
def conv2d（x，W）：
返回tf.nn.conv2d（x，W，步长=[1,1,1,1]，padding='SAME'）
def max_pool_2x2（x）：
返回tf.nn.max_pool（x，ksize=[1,2,2,1]，步长=[1,2,2,1]，padding='SAME'）
x=tf.placeholder（“float”，shape=[None，784]）
占位符（“float”，shape=[None，10]）
w_conv1=权重_变量（[5,5,1,32]）
b_conv1=偏差_变量（[32]）
x_image=tf.重塑（x，[-1,28,28,1]）
h_conv1=tf.nn.relu（conv2d（x_图像，w_conv1）+b_conv1）
h_池1=最大池2（h_池1）
w_conv2=权重_变量（[5,5,32,64]）
b_conv2=偏差_变量（[64]）
h_conv2=tf.nn.relu（conv2d（h_conv1，w_conv2）+b_conv2）
h_池2=最大池2×2（h_池2）
w_fc1=权重_变量（[7*7*641024]）
b_fc1=偏差_变量（[1024]）
h_pool2_flat=tf.重塑（h_pool2，[-1,7*7*64]）
h_fc1=tf.nn.relu（tf.matmul（h_pool2_flat，w_fc1）+b_fc1）
keep_prob=tf.占位符（“float”）
h_fc1_drop=tf.nn.drop（h_fc1，keep_prob）
W_fc2=重量_变量（[1024，10]）
b_fc2=偏差_变量（[10]）
y_conv=tf.nn.softmax（tf.matmul（h_fc1_drop，W_fc2）+b_fc2）
交叉熵=-tf.reduce_和（y_*tf.log（tf.clip_by_值（y_conv，1e-10，1.0）））
列车步长=tf.列车AdamOptimizer（1e-4）.最小化（交叉熵）
正确的预测=tf.equal（tf.argmax（y_conv，1），tf.argmax（y_，1））
准确度=tf.reduce\u平均值（tf.cast（正确的预测，“浮动”））
sess.run（tf.initialize\u all\u variables（））
对于范围内的i（20000）：
批次=列表列下一批（50）
如果i%100==0：
train_accurity=accurity.eval（feed_dict={x:batch[0]，y_:batch[1]，keep_prob:1.0}）
打印（“步骤%d，训练精度%g”%（i，训练精度））
train_step.run（feed_dict={x:batch[0]，y_:batch[1]，keep_prob:0.5}）
打印（“测试精度%g”%accurity.eval（feed_dict={x:mnist.test.images，y:mnist.test.labels，keep_prob:1.0}））

带有-1的形状是线索。错的不是批量大小，而是图像大小。您正在将其展平到批处理维度

为什么图像的大小不对

在第二个conv上，您传递的是

conv1

，而不是

pool1

conv2d（h_conv1，w_conv2）

就个人而言，对于这样的管道，我喜欢在数据流经时使用1个名称

---

开始使用调试器，这是值得的

带有-1的形状是线索。错的不是批量大小，而是图像大小。您正在将其展平到批处理维度

为什么图像的大小不对

在第二个conv上，您传递的是

conv1

，而不是

pool1

conv2d（h_conv1，w_conv2）

就个人而言，对于这样的管道，我喜欢在数据流经时使用1个名称

---

开始使用调试器，这是值得的

哪个操作产生了这个错误？我得到了正确的预测和训练精度。我假设它是在列车精度上触发的，因为这就是所谓的正确列车预测。哪个操作产生了这个错误？我在正确列车预测和列车精度上都得到了一个。我认为它会触发列车的精确性，因为这就是所谓的正确预测。我甚至不知道他们为什么使用-1，这对我来说没有意义。但是，这是另一个问题。你的回答是正确的，我打错了。我必须做一些研究，找到一个好的调试器。我甚至不知道他们为什么使用-1，这对我来说没有意义。但是，这是另一个问题。你的回答是正确的，我打错了。我得做些研究，找到一个好的调试器。