Tensorflow错误：最小张量秩：1，但得到：1

我在尝试评估模型时遇到以下错误

tensorflow.python.framework.errors.InvalidArgumentError:最小张量秩：1但得到：1[[Node:ArgMax\u 1=ArgMax[T=DT\u INT64，\u device=“/job:localhost/replica:0/task:0/cpu:0”]（\u recv\u占位符\u 1\u 0，ArgMax\u 1/dimension/\u 40）]]

这是相关代码

        # Predictions for the current training minibatch.
        train_prediction = tf.nn.softmax(logits)
        correct_prediction = tf.equal(tf.argmax(train_prediction, 1), tf.argmax(train_labels, 1))
        accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))

        sess.run(tf.initialize_all_variables())
        for i in range(1000000):
            start_time = time()

            images, labels = get_batch(fifo_queue, FLAGS.batch_size)

            feed_dict = {
                train_images: images,
                train_labels: labels
            }

            _, loss_value, learn_rate, predictions = sess.run(
                [train_step, cross_entropy, learning_rate, train_prediction],
                feed_dict=feed_dict)

            duration = time() - start_time
              if i % 1 == 0:
                # Print status to stdout.
                 print('Step %d: loss = %.3f (%.3f sec)' % (i, loss_value, duration))

                 train_accuracy = accuracy.eval(feed_dict={
                     train_images: images, train_labels: labels, keep_prob: 1.0})
                 print("step %d, training accuracy %g"%(i, train_accuracy))
                 train_step.run(feed_dict={train_images: images[0], train_labels: labels[1], keep_prob: 0.5})

`

---

我还没有尝试太多，因为我刚刚得到我的第一个模型评估，这个错误（表示期望1和得到1）没有太大帮助

错误消息不是很好，但是查看可能可以解释发生了什么

这个问题的产生是因为

train_标签

可能是一个一维向量。维度从0开始编号，因此向量只有第0个维度，但是调用

tf.argmax（train\u labels，1）

会尝试获取第一个维度中的argmax，该维度不存在

事实上，根本不需要使用标签的argmax。相反，您可以简单地编写：

correct_prediction = tf.equal(tf.argmax(train_prediction, 1), train_labels)

---

据我所见，如果函数

get\u batch（）

返回具有正确形状的张量，那么这似乎很好。试着看一看示例，并比较代码的其余部分（变量和占位符定义、数据张量形状等）。Argmax似乎应该接受预测和实际标签或标签占位符。想知道为什么这不起作用…只是一件事，argmax

train\u labels\u node

的参数不应该与您在提要中使用的参数相同吗（如果您有简单的

train_标签

？我将尝试澄清argmax，它可能会有所帮助：在您使用时，到达每个调用的应该是一个2D矩阵，每行是一个样本，每列是样本属于第I列的概率（

train标签

对于每个样本应仅将一列设置为1，并且

train\u预测

类别之间的概率分布）。因此，

equal

正在比较每个示例中具有最高值的列的索引，返回一个布尔列。是的，对于您的设置，您应该使用一个热编码。Argmax在其中不起任何作用。否则，您必须更改精度函数（要在预测中使用阈值，从中创建一个0和1的向量，现在可以直接应用tf.equals。