TensorFlow / TFLearn：ValueError：无法为Tensor u'target / Y：0'提供形状（64，）的值，其形状为'（？，10）'

Question

我一直在尝试使用tflearn 和我自己的数据集执行回归。

使用 tflearn 我一直在尝试使用 MNIST 数据集实现基于 example 的卷积网络。我没有使用 MNIST 数据集，而是尝试用自己的数据替换训练和测试数据。我的数据是从 csv 文件中读取的，与 MNIST 数据的形状不同。我有 255 个特征，它们代表一个 15*15 的网格和一个目标值。在示例中，我将第 24-30 行替换为（并包括 import numpy as np）：

#read in train and test csv's where there are 255 features (15*15) and a target
csvTrain = np.genfromtxt('train.csv', delimiter=",")
X = np.array(csvTrain[:, :225]) #225, 15
Y = csvTrain[:,225]

csvTest = np.genfromtxt('test.csv', delimiter=",")
testX = np.array(csvTest[:, :225])
testY = csvTest[:,225]

#reshape features for each instance in to 15*15, targets are just a single number
X = X.reshape([-1,15,15,1])
testX = testX.reshape([-1,15,15,1])

## Building convolutional network
network = input_data(shape=[None, 15, 15, 1], name='input')

我收到以下错误：

ValueError: 无法为张量 u'target/Y:0' 提供形状 (64,) 的值， 形状为 '(?, 10)'

我尝试了各种组合，并在 stackoverflow 中看到了 similar question，但没有成功。此页面中的示例对我不起作用并引发类似错误，我不理解提供的答案或类似问题提供的答案。

我如何使用自己的数据？

Answer 1

简答

在MNIST example 的第41 行，您还必须将network = fully_connected(network, 10, activation='softmax') 中的输出大小10 更改为1 到network = fully_connected(network, 1, activation='linear')。请注意，您可以删除最终的 softmax。

查看您的代码，您似乎有一个目标值Y，这意味着将L2 loss与mean_square一起使用（您会发现here所有可用的损失）：

regression(network, optimizer='adam', learning_rate=0.01,
                 loss='mean_square', name='target')

另外，将 Y 和 Y_test 重塑为形状 (batch_size, 1)。

---

长答案：如何分析错误并找到错误

下面是分析错误的方法：

• 错误是Cannot feed value ... for Tensor 'target/Y'，这意味着它来自feed_dict参数Y。
• 同样，根据错误，您尝试输入 Y 值 of shape (64,) 而网络期望形状 (?, 10)。
  • 它需要一个形状 (batch_size, 10)，因为它最初是 MNIST 的网络（10 类）
• 我们现在要更改 Y 的网络期望值。
  • 在代码中，我们看到最后一层 fully_connected(network, 10, activation='softmax') 正在返回大小为 10 的输出
  • 我们将其更改为不带 softmax 的大小为 1 的输出：fully_connected(network, 1, activation='linear')

归根结底，这不是一个错误，而是一个错误的模型架构。