使用SoftmaxCrossEntropyWithLogits登錄和標籤必須具有相同的大小錯誤

Question

我對Tensorflow完全陌生。我一直在嘗試重新編寫Deep MNIST教程來預測MovieLens數據集上的電影收視率。我略微簡化了模型，以便不使用5分制，而是簡單的二進制Y/N分級（類似於Netflix上的最新評級體系）。我試圖僅使用部分評分來預測新項目的偏好。當訓練模型，我得到的堆棧跟蹤以下錯誤：

Traceback (most recent call last): 
    File "/Users/Eric/dev/Coding Academy >Tutorials/tf_impl/deep_tf_group_rec_SO.py", line 223, in <module> 
    train_step.run(feed_dict={x: batch_xs, y_: batch_ys, keep_prob: 0.5}) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/framework/ops.py", line 1550, in run 
    _run_using_default_session(self, feed_dict, self.graph, session) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/framework/ops.py", line 3764, in >_run_using_default_session 
    session.run(operation, feed_dict) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/client/session.py", line 767, in run 
    run_metadata_ptr) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/client/session.py", line 965, in _run 
    feed_dict_string, options, run_metadata) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/client/session.py", line 1015, in _do_run 
    target_list, options, run_metadata) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/client/session.py", line 1035, in _do_call 
    raise type(e)(node_def, op, message) 
tensorflow.python.framework.errors_impl.InvalidArgumentError: logits and >labels must be same size: logits_size=[1,2] labels_size=[50,2] 
    [[Node: SoftmaxCrossEntropyWithLogits = >SoftmaxCrossEntropyWithLogits[T=DT_FLOAT, >_device="/job:localhost/replica:0/task:0/cpu:0"](Reshape_2, Reshape_3)]] 

Caused by op u'SoftmaxCrossEntropyWithLogits', defined at: 
    File "/Users/Eric/dev/Coding Academy >Tutorials/tf_impl/deep_tf_group_rec_SO.py", line 209, in <module> 
    cross_entropy = >tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(labels=y_, >logits=y_conv)) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/ops/nn_ops.py", line 1617, in >softmax_cross_entropy_with_logits 
    precise_logits, labels, name=name) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/ops/gen_nn_ops.py", line 2265, in >_softmax_cross_entropy_with_logits 
    features=features, labels=labels, name=name) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/framework/op_def_library.py", line 763, in >apply_op 
    op_def=op_def) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/framework/ops.py", line 2327, in create_op 
    original_op=self._default_original_op, op_def=op_def) 
    File "/Library/Python/2.7/site->packages/tensorflow/python/framework/ops.py", line 1226, in __init__ 
    self._traceback = _extract_stack() 

InvalidArgumentError (see above for traceback): logits and labels must >be same size: logits_size=[1,2] labels_size=[50,2] 
    [[Node: SoftmaxCrossEntropyWithLogits = >SoftmaxCrossEntropyWithLogits[T=DT_FLOAT, >_device="/job:localhost/replica:0/task:0/cpu:0"](Reshape_2, Reshape_3)]] 

代碼導致錯誤可以被視爲在模型中使用的變量here

尺寸：

• X（ ？，1682）

• Y_（？，2）

• X _history（？，290，290，1）
• h_pool1（？，145，145，32）
• h_pool2（？，73，73，64）
• h_pool3（？，37，37，128）
• h_pool4（？，19，19，256）
• h_pool5（？，10，10，512）
• h_fc1（？，1024）
• h_fc1_drop（？，1024）
• y_conv（？， 2）

Answer 1

的問題是，你重塑你輸入批次（形狀50個訓練實例X 1682層的功能）爲[-1，290，290，1]在這一行：

x_history = tf.reshape(x, [-1, 290, 290, 1]) 

你可以看到形狀x_history

x_history.eval(feed_dict={x:batch[0], y_:batch[1], keep_prob:1.0}).shape 

=> (1, 290, 290, 1) 

這有效地把所有的功能爲您的一批50個實例，並把它在一個單一實例（第一個維度是1，其中它需要50），然後運行：運行該結束了通過網絡的其餘部分。 因此，您的cross-tratropy評估失敗，因爲它無法將單個輸出的50個目標標籤與網絡對齊。

您需要選擇圖層形狀，以便通過網絡保留批量維度（形狀打印輸出中的？）。做到這一點的一種方法是將你的特徵填充到1764，並重新設置爲[-1,42,42,1]，因爲42 * 42 = 1764。

值得注意的是，2d卷積最常用於自然爲二維的圖像數據。鑑於您的功能不是二維的，您可能會更好地從一個更簡單的完全連接層網絡開始？

Answer 2

爲了突破這個問題，我結束了下降，從50批次大小一個

batch = create_batches(train_data_pairs, 1) 

，並顯着提高訓練的迭代次數。此外，爲了準確性，我對大量小片測試數據測試模型，然後採取評估的意思。

然而，這不僅僅是解決問題的方法，它讓我繼續探索TensorFlow的其他方面，並以不同的方式使用數據。