时间戳

首页 > 解决方案 > InvalidArgumentError：张量流日志和标签仍然不可广播

python - InvalidArgumentError：张量流日志和标签仍然不可广播

问题描述

我尝试将 ResNet 构建为用于 RGB 图像分类的卷积模型，我使用 cifar-10 图像数据集来训练我的模型。当我编译和评估模型时，我有一个无效的参数错误说 logits 和 labels 必须是可广播的，我不确定这个错误的来源。我怎样才能摆脱这个错误？谁能指出我的代码有什么问题？有什么办法解决这个问题吗？谢谢

我目前的尝试：

    h = Conv2D(filters=32, kernel_size=(3,3), padding='same', activation='relu', input_shape=input_shape)(h)
    h = Conv2D(filters=32, kernel_size=(3,3), activation='relu')(h)
    h = MaxPooling2D(pool_size=(2,2))(h)
    h = Dropout(0.25)(h)
    h = Flatten()(h)
    h = Dense(512, activation='relu')(h)
    h = Dense(10, activation='softmax')(h)
    model = Model(inputs=x, outputs=h)
    return model

my_model = resNet_2(train_imgs)
my_model.compile(optimizer="adam", loss="categorical_crossentropy", metrics="accuracy")
model_history = my_model.fit(train_imgs, train_label_one_hot, batch_size=64, epochs=20, validation_data=(test_imgs, test_label_one_hot))
my_model.evaluate(train_imgs, train_label_one_hot)
my_model.evaluate(test_imgs, test_label_one_hot)

错误

InvalidArgumentError                      Traceback (most recent call last)
<ipython-input-40-5a4cccc5d1ec> in <module>()
      3 # my_model.summary()
      4 # ## use cifar-10 image dataset
----> 5 my_history = my_model.fit(train_imgs, train_label_one_hot, batch_size=64, epochs=20, validation_data=(test_imgs,

test_label_one_hot)) 6 my_model.evaluate(train_imgs, train_label_one_hot) 7 my_model.evaluate(test_imgs, test_label_one_hot)

8 frames
/usr/local/lib/python3.6/dist-packages/tensorflow/python/eager/execute.py

在 quick_execute(op_name, num_outputs, inputs, attrs, ctx, name) 58 ctx.ensure_initialized() 59 张量 = pywrap_tfe.TFE_Py_Execute(ctx._handle, device_name, op_name, ---> 60 个输入, attrs, num_outputs) 61 除了核心._NotOkStatusException as e: 62 如果名称不是无：

InvalidArgumentError:  logits and labels must be broadcastable: logits_size=[192,10] labels_size=[64,10]
   [[node categorical_crossentropy/softmax_cross_entropy_with_logits (defined at

:5) ]] [操作：__inference_train_function_119387]

我不明白为什么会发生这个错误，是我的模型问题还是输入/输出调光设置不正确？有什么快速的方法可以追踪错误并使模型评估工作正常吗？任何想法？谢谢

更新：

在这里，我使用泰勒展开来构建我的计算模型，使用exp_order的意思是我使用了泰勒级数的 2 展开项或近似阶。任何人都可以为什么我的模型给出这样的错误？有任何解决这个问题的方法吗？谢谢

标签： pythontensorflowerror-handlingconv-neural-networktaylor-series

解决方案

错误来自这部分代码

def get_exp(x, exp_order):
        x_ = x[..., None] 
        x_ = tf.tile(x_, multiples=[1, 1, exp_order + 1]) 
        pows = tf.range(0, exp_order + 1, dtype=tf.float32)
        x_p = tf.pow(x_, pows)
        return x_p

当 exp_order = 2 时，则将tf.tile大小x_设为三倍。当您的输入数据为 batch_size = 64 时，上面的代码预计大小为 192。当我输入exp_order = 0时，它运行代码没有任何问题。所以你需要更新那部分代码。希望它有所帮助。

推荐阅读