Tensorflow 登录和标签必须具有相同的第一个维度

我正在尝试使用tensorflow和lstm在kaggle创建一个配方生成器。但我完全陷入了与尺寸有关的事情中。有人能给我指出正确的方向吗

---

非常感谢

我认为问题在于

training_batches[0][1] 

---

是一个列表而不是numpy.array，您应该相应地修改create_数据集…

我认为问题在于

training_batches[0][1] 

---

是一个列表而不是一个numpy.array，您应该相应地修改create_数据集…

以下是从

seq2seq.sequence_loss（logits，targets，weights）

实现中摘录的内容，您可以在代码中使用它：

with ops.name_scope(name, "sequence_loss", [logits, targets, weights]):
    num_classes = array_ops.shape(logits)[2]
    logits_flat = array_ops.reshape(logits, [-1, num_classes])
    targets = array_ops.reshape(targets, [-1])
    if softmax_loss_function is None:
      crossent = nn_ops.sparse_softmax_cross_entropy_with_logits(
labels=targets, logits=logits_flat)

我相信您看到的错误是源于代码中的最后一行。错误消息是不言自明的：

InvalidArgumentError:登录名和标签必须具有相同的首字母 尺寸标注，已获取logits形状[86714]和标签形状[2]

---

即

logits_flat

和

目标的第一维度大小必须相同。这直接转化为您对
seq2seq.sequence\u loss
的输入：
目标
和
logits
变量的前两个维度必须相等。因此，要么两个变量的批处理数量不同，要么序列长度发生了变化（尽管这很奇怪）。
下面是
seq2seq.sequence\u loss（logits，targets，weights）
实现的一个摘录，您在代码中使用它：

with ops.name_scope(name, "sequence_loss", [logits, targets, weights]):
    num_classes = array_ops.shape(logits)[2]
    logits_flat = array_ops.reshape(logits, [-1, num_classes])
    targets = array_ops.reshape(targets, [-1])
    if softmax_loss_function is None:
      crossent = nn_ops.sparse_softmax_cross_entropy_with_logits(
labels=targets, logits=logits_flat)

我相信您看到的错误是源于代码中的最后一行。错误消息是不言自明的：

InvalidArgumentError:登录名和标签必须具有相同的首字母
尺寸标注，已获取logits形状[86714]和标签形状[2]

即
logits_flat
和
目标的第一维度大小必须相同。这直接转化为您对
seq2seq.sequence\u loss
的输入：
目标
和
logits
变量的前两个维度必须相等。所以，你不是在使用两个变量的相同批次，或者是你的序列长度改变了（这将是奇怪的）。
你能考虑在帖子中直接发布你的代码的相关部分（链接会随着时间的推移被打破/更新，这对未来的读者没有用）添加你试图解决的问题？你能考虑把你的代码的相关部分直接张贴在帖子中（链接会随着时间的推移被打破/更新，这对未来的读者没有用），并添加你试图解决的问题吗？