编程语言
首页 > 编程语言> > python – Tensorflow cnn错误:logits和label必须大小相同:

python – Tensorflow cnn错误:logits和label必须大小相同:

作者:互联网

我正在尝试使用Tensorflow创建一个CNN,将图像分为16个类.

我的原始图片大小为72x72x1,我的网络结构如下:

# Network
n_input  = dim  
n_output = nclass  # 16
weights  = {
    'wc1': tf.Variable(tf.random_normal([5, 5, 1, 32], stddev=0.1)),
    'wc2': tf.Variable(tf.random_normal([5, 5, 32, 64], stddev=0.1)),
    'wd1': tf.Variable(tf.random_normal([9*9*128, 1024], stddev=0.1)),
    'wd2': tf.Variable(tf.random_normal([1024, n_output], stddev=0.1))
}
biases   = {
    'bc1': tf.Variable(tf.random_normal([32], stddev=0.1)),
    'bc2': tf.Variable(tf.random_normal([64], stddev=0.1)),
    'bd1': tf.Variable(tf.random_normal([1024], stddev=0.1)),
    'bd2': tf.Variable(tf.random_normal([n_output], stddev=0.1))
}

这是我的转换网功能:

def conv_basic(_input, _w, _b, _keepratio):
# Input
_input_r = tf.reshape(_input, shape=[-1, 72, 72, 1])

# Conv1
_conv1 = tf.nn.relu(tf.nn.bias_add(
        tf.nn.conv2d(_input_r, _w['wc1'], strides=[1, 1, 1, 1], padding='SAME')
        , _b['bc1']))
_pool1 = tf.nn.max_pool(_conv1, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
mean, var = tf.nn.moments(_pool1, [0, 1, 2])
_pool1 = tf.nn.batch_norm_with_global_normalization(_pool1, mean, var, 1., 0., 1e-7, 0)
_pool_dr1 = tf.nn.dropout(_pool1, _keepratio)

# Conv2
_conv2 = tf.nn.relu(tf.nn.bias_add(
        tf.nn.conv2d(_pool_dr1, _w['wc2'], strides=[1, 1, 1, 1], padding='SAME')
        , _b['bc2']))
_pool2 = tf.nn.max_pool(_conv2, ksize=[1, 2, 2, 1], strides=[1, 2, 2, 1], padding='SAME')
mean, var = tf.nn.moments(_pool2, [0, 1, 2])
_pool2 = tf.nn.batch_norm_with_global_normalization(_pool2, mean, var, 1., 0., 1e-7, 0)
_pool_dr2 = tf.nn.dropout(_pool2, _keepratio)

# Vectorize
_dense1 = tf.reshape(_pool_dr2, [-1, _w['wd1'].get_shape().as_list()[0]])

# Fc1
_fc1 = tf.nn.relu(tf.add(tf.matmul(_dense1, _w['wd1']), _b['bd1']))
_fc_dr1 = tf.nn.dropout(_fc1, _keepratio)

# Fc2
_out = tf.add(tf.matmul(_fc_dr1, _w['wd2']), _b['bd2'])

# Return everything
out = {
    'input_r': _input_r,
    'conv1': _conv1,
    'pool1': _pool1,
    'pool1_dr1': _pool_dr1,
    'conv2': _conv2,
    'pool2': _pool2,
    'pool_dr2': _pool_dr2,
    'dense1': _dense1,
    'fc1': _fc1,
    'fc_dr1': _fc_dr1,
    'out': _out
}
return out

当我尝试运行它时,我收到一个错误:“tensorflow.python.framework.errors.InvalidArgumentError:logits和labels必须大小相同:logits_size = [6,16] labels_size = [1,16]”

在线成本= tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(_pred,y))

我试过改变周围的wd1权重值,除了说要求的形状需要xxx的倍数之外,它只是更改括号中的值.

这些价值观(特别是6)似乎非常随意,他们来自这里.有人向我解释如何选择FC层神经元数量会很好,因为它似乎有点武断.

谢谢

编辑:我的完整代码https://gist.github.com/EricZeiberg/f0b138d859b9ed00ce045dc6b341e0a7

解决方法:

鉴于你的代码(并猜测它中缺少什么),我认为你有这些参数和结果(如果错误,请纠正我):

> batch_size:1
> num_classes:16
>标签y:输入int,shape [batch_size,1]
> outputs _pred:type float32,应为shape [batch_size,num_classes]

在您的代码中,您只使用2个最大池,这会将输入要素图从[1,72,72,1]减少到[1,18,18,64].

在这一步,你应该写:

# Vectorize
_dense1 = tf.reshape(_pool_dr2, [1, 18*18*64])

你还应该用你的矩阵wd1替换:

'wd1': tf.Variable(tf.random_normal([18*18*64, 1024], stddev=0.1))

通常在这些情况下,您需要一步一步地打印每个形状,并自己意识到形状与您期望的形状不符.

标签:python,neural-network,tensorflow,conv-neural-network
来源: https://codeday.me/bug/20190628/1311110.html