tflearn DNN 模型给出 TargetsData/Y:0 错误

Question

我收到以下错误...

ValueError: 无法为形状为“(?, 16)”的张量“TargetsData/Y:0”提供形状 (16,) 的值

我知道这与我的 Y 变量的形状有关，在本例中是变量 labels，但我不确定如何更改形状以使我的模型工作。

基本上，我有一个 CSV 文件，我使用 pandas 将其保存到变量中...

data = pd.read_csv('Speed Dating Data.csv')

经过一些预处理，我决定这样提取我的目标类......

# Target label used for training
labels = np.array(data["age"], dtype=np.float32)

接下来，我从data 变量中删除了此列...

# Data for training minus the target label.
data = np.array(data.drop("age", axis=1), dtype=np.float32)

然后我决定设置我的模型...

net = tflearn.input_data(shape=[None, 32])
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 16, activation='softmax')
net = tflearn.regression(net)

# Define model.
model = tflearn.DNN(net)

model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True)

如果我运行它，我会收到上面的错误。由于我的labels 似乎是(16,) 但我需要它是(?, 16)，所以我尝试了以下代码...

labels = labels[np.newaxis, :]

但这又产生了另一个错误。我想我不确定我的目标类labels 应该是什么形式。我该如何解决这个问题？

Answer 1

按照以下方式重塑你的标签，

label= np.reshape(label,(-1,16)) # since you have 16 classes

将 标签 重塑为 (?,16)。

希望这会有所帮助。

根据您的要求进行了更新。并在更改中添加了 cmets。

labels = np.array(data["age"], dtype=np.float32)
label= np.reshape(label,(-1,1)) #reshape to [6605,1]

data = np.array(data.drop("age", axis=1), dtype=np.float32)

net = tflearn.input_data(shape=[None, 32])
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 32)
net = tflearn.fully_connected(net, 1, activation='softmax') #Since this is a regression problem only one output
net = tflearn.regression(net)

# Define model.
model = tflearn.DNN(net)

model.fit(data, labels, n_epoch=10, batch_size=16, show_metric=True)