更改 MNIST Tensorflow 的类数答案

【问题标题】：Change number of classes of MNIST Tensorflow更改 MNIST Tensorflow 的类数
【发布时间】：2017-12-07 01:42:10
【问题描述】：

嗨，我正在尝试使用 MNIST 和 softmax 调整 Tensorflow 的初学者教程。在本教程中，您有 10 个类别（用于数字 0-9）。现在，使用不同的数据集（EMNIST），我有 62 个数字和字母类。我在原始示例的模型中拥有的是：

x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.matmul(x, W) + b`

其中 784 代表 28x28 图像的总像素，10 是类别数。我想要的是：

x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 62]))
b = tf.Variable(tf.zeros([62]))
y = tf.matmul(x, W) + b`

适用于 62 节课。但是当我到达这部分代码时，下一批将被调用执行：

  for _ in range(1000):
batch_xs, batch_ys = mnist.train.next_batch(100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})

我得到这个错误... Traceback（最近一次调用最后一次）：

File "calligraphy.py", line 77, in <module>
    tf.app.run(main=main, argv=[sys.argv[0]] + unparsed)
  File "C:\Users\Willy Barales\Anaconda3\lib\site-packages\tensorflow\python\platform\app.py", line 48, in run
    _sys.exit(main(_sys.argv[:1] + flags_passthrough))
  File "calligraphy.py", line 64, in main
    sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
  File "C:\Users\Willy Barales\Anaconda3\lib\site-packages\tensorflow\python\client\session.py", line 789, in run
    run_metadata_ptr)
  File "C:\Users\Willy Barales\Anaconda3\lib\site-packages\tensorflow\python\client\session.py", line 975, in _run
    % (np_val.shape, subfeed_t.name, str(subfeed_t.get_shape())))
ValueError: Cannot feed value of shape (100, 10) for Tensor 'Placeholder_1:0', which has shape '(?, 62)'

关于如何更改此示例的数据集的任何想法？我是否必须更改实现 .next_batch() 的 mnist.py 文件中的某些内容？

据我所知，EMNIST 的格式与 MNIST 完全相同。提前致谢。

关于新数据集的信息： http://biometrics.nist.gov/cs_links/EMNIST/Readme.txt

【问题讨论】：

是的，mnist.train.next_batch(100) 返回你的 batch_ys 大小 (100, 10)，你期望它是 (100, 62)
谢谢！我所要做的就是在 mnist.py 文件中编辑从标签创建一个热向量的部分，因为这些是对应于 batch_ys 的部分。 def extract_labels(f, one_hot=False, num_classes=62)

标签： tensorflow mnist softmax

【解决方案1】：

我所要做的就是在 mnist.py 文件中编辑从标签创建一个热向量的部分，因为这些是对应于 batch_ys 的部分，这要归功于 Neijla 的启发。

def extract_labels(f, one_hot=False, num_classes=62)

当然，正如我在问题中首先提到的那样，更改模型中的类数。

【讨论】：