InvalidArgumentError:输入必须是向量，已获取形状：[]
InvalidArgumentError是一个错误类型，表示输入参数错误。在这个特定的错误消息中，错误信息是"输入必须是向量，已获取形状：[]"。
这个错误通常发生在使用机器学习或深度学习框架时，当输入的数据不符合预期的形状或类型时会抛出该错误。在这个错误消息中，它指出输入必须是一个向量，但实际上得到的形状是一个空数组([])。
解决这个错误的方法取决于具体的情况，以下是一些可能的解决方案：
- 检查输入数据的形状：确保输入数据是一个向量，即只有一个维度。可以使用框架提供的函数或方法来查看输入数据的形状，并确保其为一个向量。
- 检查输入数据的类型：确保输入数据的类型与期望的类型相匹配。例如，如果期望输入是浮点数向量，而实际输入是整数向量，则需要进行类型转换。
- 检查数据的完整性：确保输入数据不为空。在这个错误消息中，输入数据的形状是一个空数组([])，这意味着没有提供任何数据。需要检查数据的来源和传递过程，确保正确地提供了输入数据。
- 检查代码逻辑：检查代码中与输入数据相关的部分，确保没有错误的操作或假设。可能需要仔细阅读代码并进行调试，以找出导致错误的原因。
腾讯云提供了一系列与云计算相关的产品，可以帮助开发者构建和管理云端应用。以下是一些推荐的腾讯云产品和产品介绍链接地址，可以根据具体需求选择适合的产品：
- 云服务器（Elastic Compute Cloud，简称CVM）：提供可扩展的计算能力，支持多种操作系统和应用场景。详情请参考：https://cloud.tencent.com/product/cvm
- 云数据库MySQL版（TencentDB for MySQL）：提供高性能、可扩展的关系型数据库服务。详情请参考：https://cloud.tencent.com/product/cdb_mysql
- 云存储（Cloud Object Storage，简称COS）：提供安全可靠的对象存储服务，适用于存储和管理大规模的非结构化数据。详情请参考：https://cloud.tencent.com/product/cos
- 人工智能平台（AI Platform）：提供丰富的人工智能服务和工具，包括图像识别、语音识别、自然语言处理等。详情请参考：https://cloud.tencent.com/product/ai
请注意，以上推荐的腾讯云产品仅供参考，具体选择应根据实际需求和项目要求进行评估。
相关·内容
我正在尝试使用tf.pad。这是我尝试把张量压到长度为20，值为10。
tf.pad(tf.constant([1, 2, 3, 45]), paddings=20, constant_values=10)
我收到这条错误消息
InvalidArgumentError: paddings must be a matrix with 2 columns: [2,1] [Op:PadV2]
我在看文件
乘子是n，2形状的整数张量，其中n是张量的秩。对于输入的每个维度D，paddingsD，0表示在该维度中张量内容之前要添加多少值，而paddingsD 1表示在该维度中张量内容之后要添加多少值。
浏览 2提问于2020-07-20得票数 2
回答已采纳
我用tf.tile实现了一些代码，并得到了以下错误消息：
InvalidArgumentError :期望倍数参数为长度2的向量，但得到长度3
代码非常复杂，我无法直接找出导致错误的原因。所以我做了一些虚拟代码来重现错误，这样我才能理解哪个值是错误的来源。但是，我不知道如何用虚拟代码来再现这个错误。
我试着这样做：
import tensorflow as tf
a = tf.constant([[1,2,3],[2,3,4]])
b = tf.tile(a, [1,1,3])
这给了我错误的消息：
形状必须为2级，但对于输入形状为：~~的“Tile_0”则为3级。
有人能提供
浏览 4提问于2017-08-02得票数 3
1回答
我有一个自定义丢失函数，它看起来是有效的(在运行这两行时没有错误，如下所示)
alpha_cost = 2 cost = tf.reduce_mean(tf.where(tf.less(Y * out, 0), tf.squeeze((alpha_cost*out)**2 - tf.sign(Y)*out + tf.abs(Y)), tf.squeeze(tf.abs(Y - out))))
但是，当我实际继续进行模型培训(批处理大小为10,000次)时，使用此丢失函数将生成以下错误.
InvalidArgumentError (回溯见上文)：选择类型的操作Select_4的输入必须具有相同
浏览 0提问于2018-03-30得票数 1
回答已采纳
1回答
我在使用用函数API编写的keras RNN进行掩蔽时遇到了一些问题。其想法是用形状(batch_size，timesteps，100)掩盖张量，零填充，并将其输入到SimpleRNN中。现在我有以下几点：
input = keras.layers.Input(shape=(None, 100))
mask_layer = keras.layers.Masking(mask_value=0.)
mask = mask_layer(input)
rnn = keras.layers.SimpleRNN(20)
x = rnn(input, mask=mask)
但是，这不起作用，因为它引发了
浏览 1提问于2020-01-25得票数 1
回答已采纳
安装程序
我在Azure DSVM STANDARD_NC6 (6核，56 GB RAM，380 GB磁盘)上使用1 GPU，使用Python3.6，TF 2.4.0
参数/模型
我有训练数据:形状为print(xtrain.shape)的(4599, 124, 124, 3)和作为分类的ytrain。
我用的是一个经典的发电机
datagen = ImageDataGenerator(
zoom_range=0.1,
rotation_range=25,
width_shift_range=0.1,
height_shift_range=0.1,
s
浏览 1提问于2021-01-22得票数 1
回答已采纳
1回答
我有一个keras模型，最后一层的输出形状是(None,574,6)，None是我的批处理大小的模型。
我还有一个名为anchors的二维numpy数组，其形状为(574,6)。
我想要的是每个数据的输出减去numpy数组元素。
import keras.backend as K
anchor_tensor = K.cast(anchors, tf.float32)
print(K.int_shape(anchor_tensor))
#(576, 4)
print(K.int_shape(y_pred))
#(None, 574, 6)
y_pred - anchor_tensor
由于ba
浏览 2提问于2019-09-24得票数 0
回答已采纳
我有网络model_classifier，它是在训练循环中间的RCNN/分类器组件。
loss_class = model_classifier.train_on_batch([X_batch_for_classifier, X2_batch], [Y1_batch, Y2_batch])
产生错误消息：
InvalidArgumentError:输入整形是一个张量，值为1605632，但所请求的形状有100352 Op:Reshape。
model_classifier的输入张量形状为(None，300,300，3)。
这两组输入和两组标签的形状如下：
X2_for_classifier
浏览 2提问于2021-09-03得票数 0
因此，我从洋红运行这段代码，并做了一些修改：
outputs, final_state = tf.nn.dynamic_rnn(
self.cell,
m_seq,
sequence_length=lens,
initial_state=initial_state,
swap_memory=swap_memory,
parallel_iterations=parallel_iterations)
其中se
浏览 2提问于2018-05-15得票数 0
在tensorflow图的构造中没有出现错误，但是在tf.gradients图的计算过程中，我得到了一个形状不匹配的误差(我猜是在反向传播中)。
这是我得到的错误：
InvalidArgumentError (关于追溯，请参阅上文)：
输入整形是一个16777216值的张量，但所请求的形状有4096个。
[节点:渐变/truediv_grad/Reshape= Reshape]]
浏览 1提问于2018-03-17得票数 2
回答已采纳
当我试图将两个形状依赖于向量化函数中的函数输入时，我遇到了一个"InvalidArgumentError: PartialTensorShape: merge期间不兼容的形状“错误(尽管输出形状对于每个a，b对都是相同的)。下面是情况的一个例子。
import tensorflow as tf
def test_fn(inputs):
a,b = inputs
out = tf.concat([tf.ones(a),tf.zeros(b)],0)
return out
a = tf.constant([5,4,3,2])
b = tf.constant([
浏览 7提问于2021-12-28得票数 1
当我用tensorflow实现XOR时，出现了一个错误。错误消息指示输入数据的形状与占位符的形状不匹配。守则如下：
#!/usr/bin/python
import tensorflow as tf
import numpy as np
x = tf.placeholder(tf.float32,shape=[None,2])
data = np.random.rand(2,2)
print data.shape
print data
y = tf.add(x,x)
sess = tf.Session()
sess.run(tf.global_variables_initializer()
浏览 0提问于2018-06-05得票数 1
回答已采纳
我有一个形状的张量A (300,256,256)。我想序列化A以保存为tfrecord格式。但我不能把它转换回相同形状的张量。
A = tf.convert_to_tensor( *a numpy array with float32 type* )
B = tf.io.serialize_tensor(A)
C = tf.reshape(tf.io.decode_raw(B, out_type=tf.float32),[300,256,256])
如果运行上面的代码，就会得到一个形状错误：
整形的tensorflow.python.framework.errors_impl.InvalidA
浏览 1提问于2020-02-12得票数 2
回答已采纳
1回答
我正在尝试训练一个深度神经网络，使其能够根据字符串的值对其进行分类。所以，这意味着我的数据全是文本。然而，它不是句子意义上的文本，这是我在互联网上看到的大多数文本分类主题所谈论的内容。为了让算法起作用，我对输入进行了一次性编码(尽管这些不是分类值，所以我不确定是否有更正确的方法对它们进行编码)并训练模型。然而，问题是，当我尝试运行算法在测试或训练数据集中没有看到的新文本字符串时，算法希望输入是单热编码的训练数据集的形状。我们应该如何训练一个模型，然后改变输入，让它接受一个实际的字符串，而这个字符串的形状不一定与模型的形状相同呢？ 以下是训练数据的示例： SB-01_0-1_20200701
浏览 32提问于2020-07-02得票数 0
回答已采纳
1回答
我使用的是keras，当我尝试model.fit时，它会抛出一个错误，因为X_Train和Y_Train输入的形状不兼容。
我拥有的数据是一个由10个输入和1个输出组成的系统。我使用数据的9次迭代作为测试，所以我有一个包含9个向量的列表，形状为10，1，所以可以理解，X_Train.shape = 9，10，1。我的输出是一个由9个值组成的列表，使得Y_Train.shape = 9,1。然而，我得到了这样的错误：
tensorflow.python.framework.errors_impl.InvalidArgumentError: Incompatible shapes: [9,1] v
浏览 0提问于2019-07-27得票数 0
回答已采纳
2回答
当输入形状不是三维时，抛出错误
、、、、
我的程序接受一个CSV文件，其中前6行是输入。
在定义我使用的输入时：
inputs = Input(shape=(2697, 6))
其中2697是批处理大小，6是输入大小。我知道Input(shape=(batch-size, input-size))是对的。
然而，当我运行它时，我会收到一条消息：ValueError: Error当我检查输入时:预期的input_1有3维，但是得到了形状为(2697，6)的数组。
为什么角角会把它变成三维形状呢？
浏览 3提问于2017-12-23得票数 1
1回答
问题：
试图通过meta_graph恢复tf.train.import_meta_graph("saved_models/model.meta")会出现以下错误：
InvalidArgumentError (see above for traceback): Shape [-1] has negative dimensions
[[Node: Placeholder_2 = Placeholder[dtype=DT_INT32, shape=[?], _device="/job:localhost/replica:0/task:0/cpu:0"]()]
浏览 1提问于2017-07-07得票数 0
回答已采纳
1回答
输入形状和Keras
、、、、
我有一组训练数据，其中每个输入都是长度为138的向量。我有519个这样的向量，批次大小为519。这些不是图像，而是实数。 我试着从2层密集的Keras模型开始： model = keras.Sequential([
layers.Dense(200, activation=tf.nn.relu, input_shape=[138]),
layers.Dense(200, activation=tf.nn.relu),
layers.Dense(1)
]) 当我构建模型时，我得到了以下错误： Error when checking input: expected den
浏览 9提问于2019-01-04得票数 0
我正在尝试实现一个Deep网络，该网络可以播放Doom (vizdoom)
然而，(从昨天起)我一直坚持使用--一个热编码的问题及其后果--：实际上，我有三个可能的操作是这样编码的
[[True, False, False], [False, True, False], [False, False, True]] size = Batch_size，3
当我one_hot编码这个动作数组时，我得到了一个大小为BatchSize，3，3的数组。
因此，当我想计算我的Q值估计时：
Q = tf.reduce_sum(tf.multiply(self.output, self.actions_one
浏览 0提问于2018-04-06得票数 0
回答已采纳
我试图在不同形状的图像(而不是方形)中检测物体。我采用了faster_rcnn_inception_v2模型，可以使用图像大小器来保持图像的高宽比，输出是令人满意的。
image_resizer {
keep_aspect_ratio_resizer {
min_dimension: 100
max_dimension: 600
}
}
为了获得更快的性能，我想使用ssd_inception_v2或ssd_inception_v2模型来训练它。使用固定形状调整大小如下，
image_resizer {
fixed_shape_resizer {
height
浏览 2提问于2018-01-08得票数 9
1回答
在Keras中使用word嵌入时，我在理解如何获得正确的输出时遇到了问题。我的设置如下：
我的输入是形状(batch_size, sequence_length)的批次。一批中的每一行代表一个句子，单词用单词id表示。句子中填充了零，这样所有的句子都有相同的长度。例如，(3,6)输入批处理可能如下所示：np.array([[135600],[174580],[138272]])
我的目标是由输入批次向右移动一步。因此，对于每个输入词，我想预测下一个单词：np.array([[356000],[745800],[382720]])
我将这样一个输入批次输入到Keras嵌入层。我的嵌入
浏览 5提问于2017-10-05得票数 1
我正在使用tensorflow学习一维卷积。
代码：
import numpy as np
import tensorflow as tf
\#####raw data, input length is 24, and feature_len is 6
batch = np.ceil((np.random.rand(24, 6)*10))-5
\#####filter for convoltion, filter width is 3, filter input dim is 6, output dim is 18
eye_filter = tf.constant(np.eye
浏览 2提问于2020-01-29得票数 0
1回答
矩阵a具有形状(4,3)，z具有形状(4,)。我的目的是要将a中的每3个模糊向量除以z中的标量。考虑下面的例子：
输入：
a = [[1,1,1],
[2,2,2],
[2,2,2],
[5,5,5]]
z = [10,10,10,5]
预期产出：
[[.1,.1,.1],
[.2,.2,.2],
[.2,.2,.2],
[1,1,1]]
下面是我使用keras Lambda层进行相同操作的尝试，其中K.sum(xin[0], axis=1)为a，xin[1]为z。
x = Lambda(lambda xin: K.sum(xin[0], axis=1) / xin[1], n
浏览 1提问于2018-07-20得票数 0
回答已采纳
我正在学习AutoEncoder，我从这个网站上读到：和我不明白b‘是什么意思。
所以我试着用绑定的权重来构建自动编码器。
例如,
编码: hid = s(x*w+b)
X：( 1000,2000 )
W：( 2000,500 )
B：( 500，1)
-> hid：( 1000,500 )
当我解码编码数据时，
解码: y=s(hid*w'+b')
w‘：(500,2000)
所以hid*w‘将是(1000,2000)，我必须添加b'，它的形状应该是(2000,1)，但我只有形状为( 500，1)的b。
我在这里做错了什么？
我找到了一些代码，他们只是随机制作了
浏览 31提问于2017-07-01得票数 1
1回答
我尝试用VAE LSTM构建一个keras模型。输入形状为(sample_number,20,31)
同时，也出现了一些不相容的问题。
我不知道我的代码哪一部分是错误的，请原谅我把它们都张贴了。
我的进口：
from keras.models import Sequential, Model
from keras.objectives import mse
from keras.layers import Dense, Dropout, Activation, Flatten, LSTM, TimeDistributed, RepeatVector, Input, Lambda
from ke
浏览 0提问于2018-12-06得票数 2
回答已采纳
我试图制作一个样本大小为125*8的模型，我的输入形状是(12484，8)，但我给出了以下错误：
ValueError:不能用99872个元素重新构造一个张量，用输入形状: 1,12484,1,8，4，并且输入张量计算为部分形状： = 1,125,1,8，Reshape_9 (op：'Reshape_9‘)。
model = Sequential()
model.add(Convolution2D(64, kernel_size=(5, 5), strides=(1,1),padding="same", data_format="channels_las
浏览 0提问于2018-08-08得票数 0
回答已采纳
我正在尝试将形状为(253,223)的图像的张量转换为相同大小的numpy数组，以便我可以绘制图像。我看过文档，他们建议我使用eval函数，如下所示 sess = tf.Session()
with sess.as_default():
print(type(tf.constant([img1]).eval())) 但它会抛出错误“当期望单个张量时抛出张量列表”。 这里类型(Img1)是<class 'tensorflow.python.framework.ops.Tensor'>，形状是(253,223)。使用keras tf.keras.backend.
浏览 24提问于2019-05-28得票数 0
如何使用张量索引访问tensorflow Tensor中的男高音元素，如下所示：
import tensorflow as tf
import numpy as np
# indexing in numpy [Working]
matrix = np.random.randint(0, 10, [100, 100])
indices = np.random.randint(0, 100, [1000, 100])
elements = matrix[indices[:, 0], indices[:, 1]]
# indexing in tensorflow [Not working]
tf
浏览 1提问于2018-01-25得票数 0
1回答
输入输出数据形状困难
、、、
我是凯拉斯的初学者。我现在的主要问题是如何建立一个适合我的数据的模型。
对于模型本身，我希望构建它，以便输入/输出如下：
输入数据：(包含)三个整数，例如24、63、122
期望输出：(列表计算)在0到1范围内的32个浮点值，例如0，0，0，0.2，0.25，0，0.4，0.1，…，0
我想把这32个浮动点之和为1。
我的数据格式如下：
X_Data = [104、56、64，96，-8，80，.
Y_Data = [0，0，0，1，…，0，[0，0，0，0，.
visible = Input(shape=(3,1))
extract1 = LSTM(10)(visible)
out
浏览 0提问于2022-01-20得票数 0
我正在尝试创建一个lstm来生成音乐序列。训练数据是大小为4的向量序列，表示要训练的歌曲中每个音符的各种特征(包括MIDI音符)。
从我的阅读来看，我想做的似乎是，对于每个输入样本，输出样本是下一个大小为4的向量(也就是说，它应该尝试预测给定当前一个向量的下一个注释，并且由于LSTM包含了前面的样本知识)。
我正在使用tflearn，因为我对RNN仍然非常陌生。我有以下代码
net = tflearn.input_data(shape=[None, seqLength, 4])
net = tflearn.lstm(net, 128, return_seq=True)
net = tflear
浏览 4提问于2016-04-09得票数 2
回答已采纳
1回答
我是一个文字生成和深入学习的初学者，但我喜欢接触它。目前，我正在学习LSTM网络和用于文本生成的VAE。我想立刻读一个序列，然后输出另一个序列。我从这个职位中学到的是输入形状应该是3D的。因为我的文本数据是2D的，所以我想重塑它。但现在这是令人困惑的部分。因为我有(nb_sequences, max_seq_lenth) = (274, 95)形状的训练数据。正如这篇文章所指出的，重要的是将数据重塑为输入= ( nb_sequence，nb_timestep，nb_feature)的格式，其中nb_sequence是序列的数量(274)，nb_timestep是序列的长度(95)，nb_fea
浏览 0提问于2021-05-20得票数 1
回答已采纳
1回答
我正在使用自定义的softmax函数。我尝试使用张量形状x作为新的零张量形状的一个元素。不能这样做，因为它不是int。
def custom_softmax(x):
sh = K.shape(x)
...
xc = K.zeros((sh[0] * 16 * 16, 1))
...
我尝试的下一个选项是张量的计算，这应该是有效的，但不是。
def custom_softmax(x):
sh = K.shape(x)
sess = K.get_session()
...
xc = K.zeros((sh[0]
浏览 1提问于2017-08-02得票数 1
我正在实现LeNet-5模型。我在一个时期内的随机时期和随机步长上得到以下错误。有时它就能正常工作，没有任何问题。
我尝试用imageDataGenerator替换输入的x_train和y_train
到我所面临问题的代码。
Epoch 1/200
1/10 [==>...........................] - ETA: 3s - loss: 0.1823 - accuracy: 0.9375
---------------------------------------------------------------------------
InvalidArgume
浏览 99提问于2021-05-15得票数 2
我将使用tf.keras和MNIST手写数字数据集制作一些GAN模型测试器.因为我的模型将在128x128图像中使用，所以我将MNIST数据集调整为128x128x1。但是，程序犯了一些错误，这是我从未见过的。
(x_train, _), (_, _) = mnist.load_data()
x_train = (x_train.astype(np.float32) - 127.5) / 127.5
x_train = tf.image.resize_images(x_train, [128, 128])
idx = np.random.randint(0, x_train.shape[0]
浏览 2提问于2018-11-12得票数 2
回答已采纳
作为前言，我了解了如何制作无大小的张量及其主要用途。
我的隐藏层依赖于我传递的数据的batch_size。因此，我将批处理大小传递给占位符。不幸的是，这给我带来了一堆压力和错误，因为许多功能在没有大小的形状下不能很好地工作。我正在寻找一种方法来使用张量的动态形状来计算隐藏层中的节点数。
目前，我收到错误消息
InvalidArgumentError (请参见上面的回溯)：必须使用数据类型int32 [[InvalidArgumentError: Placeholder_2 = Placeholderdtype=DT_INT32，shape=[]，Node]，为占位符张量'Placeho
浏览 0提问于2016-10-22得票数 2
我正在使用tf.train.Saver、save和restore保存和恢复一个save模型。在还原过程中，我将加载新的输入数据。restore方法引发此错误：
InvalidArgumentError (回溯参见上文)：赋值需要匹配两个张量的形状。lhs shape= 1334,3 rhs shape= 1246，3[节点:保存/分配_6=分配]]
这似乎表明问题在Variable_2中，但是如何确定代码中的哪个变量对应于Variable_2。
浏览 2提问于2017-04-30得票数 0
2回答
我有困难形成一个算法，以确定12个顶点是否由用户输入的任何顺序，将形成一个二维平面的交叉形状。从我的角度来看，它可以是两个矩形相交。
如果我选择通过比较距离来强迫它，我最终会得到距离12个顶点的67个距离，比较它们都是不可行的。有什么我可以用的十字架或形状的特征吗？
浏览 0提问于2018-10-21得票数 1
回答已采纳
我正在尝试为一个数据集构建CNN模型，它看起来像这样:它有11个特征列和一个标签列，标签列要么是0，要么是1。
程序：
import numpy as np
from sklearn.model_selection import train_test_split
import tensorflow.keras as keras
import matplotlib.pyplot as plt
import pandas as pd
DATA_PATH = "testt.csv"
def load_data(data_path):
"""Loa
浏览 10提问于2021-05-21得票数 1
1回答
当A是tf.SparseTensor，b是tf.Variable时，如何在tensorflow中实现以下目标？
A = np.arange(5**2).reshape((5,5))
b = np.array([1.0, 2.0, 0.0, 0.0, 1.0])
C = A * b
如果我尝试同样的表示法，就会得到InvalidArgumentError:只要索引超出了w.r.t的范围。浓密的侧面，有广播的形状。
浏览 0提问于2017-08-29得票数 0
回答已采纳
我正在构造一个基于某些超参数的拓扑变化的计算图。在某一时刻，出现了以下情况：
c = tf.concat([a, b], axis=-1)
张量a呈(None, m)形。张量b具有形状(None, n)，其中n依赖于超参数。对于超参数的一个值，张量b应该是概念上的空，例如，我们希望c和a是相同的。
我可以用以下方法成功地构建图形：
b = tf.placeholder(tf.float32, (None, 0), name="Empty")
但是，如果我运行一个会话，TensorFlow将引发一个InvalidArgumentError，该InvalidArgumentErro
浏览 0提问于2018-08-17得票数 4
我在单词嵌入序列上使用RNN对句子进行分类。一开始，我在给预先训练过的单词嵌入内容，一切都很好。我将嵌入矩阵设置为一个具有维度(词汇量、嵌入大小)的tf.placeholder，并从GloVe中提供了一些经过预先训练的嵌入。我还使用tf.nn.embedding_lookup将输入(即单词ID序列)转换为嵌入序列。
然后我想让模型也训练嵌入，所以我把嵌入矩阵变成了tf.Variable，而不是占位符。现在TensorFlow给了我这个错误--显然AdamOptimizer不能处理嵌入查找。知道怎么回事或者怎么解决这个问题吗？
tensorflow.python.framework.errors
浏览 1提问于2017-04-30得票数 1
回答已采纳
我的模型通过提要接收一个输入序列，然后必须在模型中用分隔符将该序列拆分。然而，由于Tensorflow的图表要求我们将占位符放在前面，我不知道如何实现这一点。问题是，在我实际输入输入之前，我不知道输入序列将被分成多少部分。
有没有一种方法可以创建一个可以处理模型中不断变化的张量数量和形状的模型？
浏览 2提问于2016-03-08得票数 1
包括以下代码：
batch_size = tf.size(labels)
labels = tf.expand_dims(labels, 1)
indices = tf.expand_dims(tf.range(0, batch_size, 1), 1)
concated = tf.concat(1, [indices, labels])
onehot_labels = tf.sparse_to_dense(concated, tf.pack([batch_size, NUM_CLASSES]), 1.0, 0.0)
第二行向labels张量添加一个维数。但是，labels是通过提要字典输入的
浏览 6提问于2016-11-20得票数 1
回答已采纳
我有一个令人难以置信的简单算法，用"ValueError:当检查输入时出错:期望dense_4_input具有形状(无，5)但得到了与形状(5，1)的数组“.这是我正在运行的代码。
import numpy as np
import matplotlib.pyplot as plt
from keras.models import Sequential
from keras.layers import Dense
x = np.array([[1],[2],[3],[4],[5]])
y = np.array([[1],[2],[3],[4],[5]])
x_val = np.arr
浏览 1提问于2017-10-21得票数 0
回答已采纳
1回答
我正在使用tflearn提供的DNN来学习一些数据。我的data变量有一个(6605, 32)的形状，我的labels数据有一个(6605,)的形状，我在下面的代码中重塑了这个形状到(6605, 1).
# Target label used for training
labels = np.array(data[label], dtype=np.float32)
# Reshape target label from (6605,) to (6605, 1)
labels = tf.reshape(labels, shape=[-1, 1])
# Data for training mi
浏览 2提问于2017-11-11得票数 2
回答已采纳
我使用的是tf.nn.sparse_softmax_cross_entropy_with_logits，当我通过标签和日志时，会得到以下错误
tensorflow.python.framework.errors_impl.InvalidArgumentError:标签必须为一维，但形状为50,1
我不明白拥有一个形状的[50,1]与一维是如何不同的
浏览 1提问于2019-09-10得票数 0
1回答
我有一种计算网络输出层和训练期间作为输入的输入目标标签之间的损失的方法。我的代码看起来是：
def get_loss(y_pred, y_true):
y_true = tf.cast(y_true, 'int32')
loss = tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y_true, logits=y_pred)
# loss shape : <tf.Tensor 'softmax_cross_entropy_with_logits/Reshape_2:0' sha
浏览 4提问于2019-12-06得票数 1
2回答
对于需要形状参数的tensorflow函数，如何将动态形状作为输入参数之一提供？
例如，假设我有一个占位符
x = tf.placeholder(tf.float32, [None, 3])
现在我要创建一个一维随机张量，它的形状与x的第一维数相同。
r = tf.random_uniform([x.get_shape()[0]])
这将无法工作，因为x.get_shape()[0]将返回一个静态形状"None“。有没有一种基于r的动态形状为x分配动态形状的方法？
浏览 4提问于2016-03-30得票数 1
回答已采纳
我有一个InvalidArgumentError与形状使用玩具膨胀一维CNN的例子。我的输入train_generator有128个值的形状TensorShape([128, 1])和1个扩展的维数，以适应卷积特征。
def model():
return Sequential([
Convolution1D(1, 7, activation='relu', padding='causal', dilation_rate=2,
input_shape = np.shape(train_gener
浏览 22提问于2022-08-21得票数 1
我正在写我的第一个角星模型。我需要实现word嵌入。以下是我的错误：
ValueError: Error when checking target: expected embedding_1 to have shape (55, 50) but got array with shape (55, 16)
下面是一些代码。省略了汇编x和y np数组的代码。本质上，我所做的就是将每个单词转换成它的标记，并将这些标记串在一起。然后我把每一个序列加到55个。我想把这个输入到模型中，但是我得到了这个错误。
batch_size=16
words = 200
浏览 0提问于2018-02-19得票数 1
回答已采纳
tensorflow版本1.5.0rc1 python版本:3.5
使用[height,width]将矩形图像整形为tf.reshape(x,[-1,x,y,1])时
例如：tf.reshape(x，-1,14,56,1)运行conv2d返回: InvalidArgumentError (参见上面的回溯)：输入整形是一个有358400个值的张量，但是所请求的形状需要3136的倍数[[节点: Reshape_1 =重塑]]
其中3136是56的平方。张量将整形处理为56x56，而不是14*56矩阵。
有没有办法摆脱它，把我的CNN设置成一个非方形图像？
谢谢
浏览 0提问于2018-04-18得票数 0
扫码
添加站长 进交流群
领取专属 10元无门槛券
手把手带您无忧上云
相关资讯
热门标签
云服务器
ICP备案
对象存储
即时通信 IM
实时音视频活动推荐
腾讯云开发者
