python之TensorFlow 的参数无效错误(形状不兼容)

我正在尝试使用 tensorflow 为 MNIST 数据集训练一个简单的网络。 目前虽然它不工作。 它基本上是 TensorFlow 网站上给出的示例的修改版本。我只是更改了几行并删除了一层以查看发生了什么。 这是我的代码:

#!/usr/bin/python 
 
import input_data 
import tensorflow as tf 
#MNIST dataset 
def weight_variable(shape): 
    initial=tf.truncated_normal(shape,stddev=0.1) 
    return tf.Variable(initial) 
 
def bias_variable(shape): 
    initial=tf.constant(0.1,shape=shape) 
    return tf.Variable(initial) 
def conv2d(x,W): 
    return tf.nn.conv2d(x,W,strides=[1,1,1,1],padding='SAME') 
def max_pool_2x2(x): 
    return tf.nn.max_pool(x,ksize=[1,2,2,1],strides=[1,2,2,1],padding='SAME') 
mnist=input_data.read_data_sets('MNIST_data',one_hot=True) 
x=tf.placeholder("float",shape=[None,784]) 
y=tf.placeholder("float",shape=[None,10]) 
x_image=tf.reshape(x,[-1,28,28,1]) 
 
#Layer 1: convolutional+max pooling 
 
W_conv2=weight_variable([5,5,1,64]) 
b_conv2=bias_variable([64]) 
 
h_conv2=tf.nn.relu(conv2d(x_image,W_conv2)+b_conv2) 
h_pool2=max_pool_2x2(h_conv2) 
 
#Layer 2: ReLU+Dropout 
 
W_fc1=weight_variable([7*7*64,1024]) 
b_fc1=bias_variable([1024]) 
h_pool2_flat=tf.reshape(h_pool2,[-1,7*7*64]) 
h_fc1=tf.nn.relu(tf.matmul(h_pool2_flat,W_fc1)+b_fc1) 
 
keep_prob=tf.placeholder("float") 
h_fc1_drop=tf.nn.dropout(h_fc1,keep_prob) 
 
#Layer 3: softmax 
 
W_fc4=weight_variable([1024,10]) 
b_fc4=bias_variable([10]) 
y_hat=tf.nn.softmax(tf.matmul(h_fc1_drop,W_fc4)+b_fc4) 
 
cross_entropy=-tf.reduce_sum(y*tf.log(y_hat)) 
train_step=tf.train.AdamOptimizer(1e-4).minimize(cross_entropy) 
sess=tf.InteractiveSession() 
sess.run(tf.initialize_all_variables()) 
correct_prediction=tf.equal(tf.argmax(y,1),tf.argmax(y_hat,1)) 
accuracy=tf.reduce_mean(tf.cast(correct_prediction,"float")) 
 
for n in range(20000): 
    batch=mnist.train.next_batch(50) 
    if n % 100 == 0: 
        train_accuracy = accuracy.eval(feed_dict={x:batch[0],y:batch[1],keep_prob:1.0}) 
        print "step %d,training accuracy %g" % (n,train_accuracy) 
    sess.run(train_step,feed_dict={x:batch[0],y:batch[1],keep_prob:0.5}) 
 
print "test accuracy %g" % accuracy.eval(feed_dict={x:mnist.test.images, y:mnist.test.labels,keep_prob:1.0}) 

当我尝试执行它时它崩溃并给我一个 ArgumentError:

W tensorflow/core/common_runtime/executor.cc:1027] 0x7fceb58a4200 Compute status: Invalid argument: Incompatible shapes: [50] vs. [200] 

请您参考如下方法:

你需要你的步幅大小来减少你的输出到正确的形状 - 这应该解决它(注意与你的步幅相比的步幅):

def conv2d(x, W): 
  return tf.nn.conv2d(x, W, strides=[1, 2, 2, 1], padding='SAME') 

要解决此类问题，请尝试为所有变量打印 .get_shape()。 Tensor 和 Variable 都有这个函数 - 它会让您更好地了解正在发生的事情，并将极大地帮助您进行故障排除。

这里有一些代码会有所帮助 - 将其放在 h_pool2 声明之后，它将打印每个变量的名称和形状:

from tensorflow.python.ops.variables import Variable 
 
for k, v in locals().items(): 
    if type(v) is Variable or type(v) is tf.Tensor: 
        print("{0}: {1}".format(k, v))