ValueError：无法为具有形状“（？，1）”的张量“TargetsData / Y：0”提供形状（64，）的值答案

【问题标题】：ValueError: Cannot feed value of shape (64,) for Tensor 'TargetsData/Y:0', which has shape '(?, 1)'ValueError：无法为具有形状“（？，1）”的张量“TargetsData / Y：0”提供形状（64，）的值
【发布时间】：2021-07-01 04:28:37
【问题描述】：

总的来说，我在 Python 编程方面有相当多的经验，但对神经网络和深度学习非常陌生。在完成了 Tech With Tim 的 Mega AI 课程后，我决定自己创建一个神经网络。这很简单 - 它接受一个名字并根据其性别输出 0 或 1 - 0 = 男性，1 = 女性。

这是我的完整代码。

import numpy as np
import pandas as pd
import tensorflow as tf
import tflearn

encode_alphabet = '0ABCDEFGHIJKLMNOPQRSTUVWXYZ'

data = pd.read_csv("names.csv")
X = data.drop(["OUT"], 1).values.tolist()
y = [int("".join([str(j) for j in i])) for i in data[["OUT"]].values.tolist()]

print(len(X))
print(len(y))

tf.compat.v1.reset_default_graph()

net = tflearn.input_data(shape=[None, 12])
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 8)
net = tflearn.fully_connected(net, 1, activation="linear")
net = tflearn.regression(net)

model = tflearn.DNN(net)

model.fit(X, y, n_epoch=100, show_metric=True)

print(data)

names.csv 文件看起来像这样（前 5 行）：

L0  L1  L2  L3  L4  L5  L6  L7  L8  L9  L10 L11 OUT
0   0   0   0   0   0   15  12  9   22  5   18  0
0   0   0   0   0   0   7   5   15  18  7   5   0
0   0   0   0   0   0   0   8   1   18  18  25  0
0   0   0   0   0   0   0   0   14  15  1   8   0
0   0   0   0   0   0   0   0   10  1   3   11  0

这是我得到的错误：

ValueError: Cannot feed value of shape (64,) for Tensor 'TargetsData/Y:0', which has shape '(?, 1)'

我尝试了各种模型形状，但似乎没有任何效果。如果需要的话，我很高兴为你们提供更多信息，但我对这一切太陌生了，RTFM 回复真的无济于事。

提前非常感谢

【问题讨论】：

标签： python pandas numpy tensorflow neural-network

【解决方案1】：

错误不言自明

ValueError: Cannot feed value of shape (64,) for Tensor 'TargetsData/Y:0', which has shape '(?, 1)'

这意味着您传递的y 形状(64,) 与预期的形状(?, 1) 不匹配。要修复它，您只需要更改y 的形状：

y = [[int("".join([str(j) for j in i]))] for i in data[["OUT"]].values.tolist()]

或者

y = np.array([int("".join([str(j) for j in i])) for i in data[["OUT"]].values])
y = y.reshape(len(y), 1)

【讨论】：

但是，我遇到了学习问题。 binary_acc 在 epoch 1 上从大约 42% 开始，在保持 1000 个 epoch 后稳定在 42%-58% 的范围内。你知道这是为什么吗？
@macaquedev 对不起，我没有。