tensorflow ValueError：两个形状中的维度0必须相等

我目前正在学习TensorFlow。我正在尝试创建一个能准确评估预测模型并为其指定分数的NN。我现在的计划是将已有程序的分数与mlp进行比较，并将它们与真实值进行比较。我玩过MNIST的数据，我正在尝试将我所学到的知识应用于我的项目。不幸的是我有一个问题tensorflow ValueError：两个形状中的维度0必须相等

def multilayer_perceptron(x, w1): 
    # Hidden layer with RELU activation 
    layer_1 = tf.matmul(x, w1) 
    layer_1 = tf.nn.relu(layer_1) 
    # Output layer with linear activation 
    #out_layer = tf.matmul(layer_1, w2) 
    return layer_1 

def my_mlp (trainer, trainer_awn, learning_rate, training_epochs, n_hidden, n_input, n_output): 
trX, trY= trainer, trainer_awn 
#create placeholders 
x = tf.placeholder(tf.float32, shape=[9517, 5]) 
y_ = tf.placeholder(tf.float32, shape=[9517, ]) 
#create initial weights 
w1 = tf.Variable(tf.zeros([5, 1])) 
#predicted class and loss function 
y = multilayer_perceptron(x, w1) 
cross_entropy = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(y, y_)) 
#training 
train_step = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cross_entropy) 
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1)) 
with tf.Session() as sess: 
    # you need to initialize all variables 
    sess.run(tf.initialize_all_variables()) 
    print("1") 
    for i in range(training_epochs + 1): 
     sess.run([train_step], feed_dict={x: [trX['V7'], trX['V8'], trX['V9'], trX['V10'], trX['V12']], y_: trY}) 
return

的代码给了我这个错误

ValueError: Dimension 0 in both shapes must be equal, but are 9517 and 1

运行cross_entropy线的时候，会出现此错误。我不明白为什么这会发生，如果你需要更多的信息，我会很乐意给你。

来源

2017-01-24 F.Jesus

在你的情况下，y有形状[9517，1]，而y_有形状[9517]。他们不具有竞争力。请尝试使用tf.reshape（y_，[-1，1]）重塑y_

来源

2017-01-24 18:48:20 IJK

谢谢你的完美工作！ –

tensorflow ValueError：两个形状中的维度0必须相等

回答

相关问题