Ошибка LSTM Tensorflow (ValueError: Фигуры должны быть одинакового ранга, но имеют 2 и 1)

Question

Я знаю, что эти вопросы задавались много раз, но я новичок в tenorflow, и ни один из предыдущих потоков не смог решить мою проблему.Я пытаюсь реализовать LSTM для серии данных датчика для классификации данных.Я хочу, чтобы мои данные были классифицированы как 0 или 1, так что это двоичный классификатор.У меня есть более 2539 сэмплов, каждый из которых имеет 555 time_steps, и каждый time_step несет 9 функций, поэтому мой вход имеет форму (2539, 555, 9) и для каждого сэмпла, и у меня есть массив меток, который содержит значение 0 или 1, которое егоформа похожа на эту (2539, 1), где каждый столбец имеет значение 0 или 1. Я подготовил этот код ниже, но получаю ошибку, касающуюся размерности моих логотипов и меток.Независимо от того, как я изменяю их, я все равно получаю ошибки.

Не могли бы вы помочь мне разобраться в проблеме?

 X_train,X_test,y_train,y_test = train_test_split(final_training_set, labels, test_size=0.2, shuffle=False, random_state=42)


epochs = 10
time_steps = 555
n_classes = 2
n_units = 128
n_features = 9
batch_size = 8

x= tf.placeholder('float32',[batch_size,time_steps,n_features])
y = tf.placeholder('float32',[None,n_classes])

###########################################
out_weights=tf.Variable(tf.random_normal([n_units,n_classes]))
out_bias=tf.Variable(tf.random_normal([n_classes]))
###########################################

lstm_layer=tf.nn.rnn_cell.LSTMCell(n_units,state_is_tuple=True)
initial_state = lstm_layer.zero_state(batch_size, dtype=tf.float32)
outputs,states = tf.nn.dynamic_rnn(lstm_layer, x,
                                   initial_state=initial_state,
                                   dtype=tf.float32)


###########################################
output=tf.matmul(outputs[-1],out_weights)+out_bias
print(np.shape(output))

logit = output
logit = (logit, [-1])

cost = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=logit, labels=labels))
optimizer = tf.train.AdamOptimizer().minimize(cost)
with tf.Session() as sess:

        tf.global_variables_initializer().run()
        tf.local_variables_initializer().run()

        for epoch in range(epochs):
            epoch_loss = 0

            i = 0
            for i in range(int(len(X_train) / batch_size)):

                start = i
                end = i + batch_size

                batch_x = np.array(X_train[start:end])
                batch_y = np.array(y_train[start:end])

                _, c = sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})

                epoch_loss += c

                i += batch_size

            print('Epoch', epoch, 'completed out of', epochs, 'loss:', epoch_loss)

        pred = tf.round(tf.nn.sigmoid(logit)).eval({x: np.array(X_test), y: np.array(y_test)})

        f1 = f1_score(np.array(y_test), pred, average='macro')

        accuracy=accuracy_score(np.array(y_test), pred)


        print("F1 Score:", f1)
        print("Accuracy Score:",accuracy)

Это ошибка:

ValueError: Фигуры должны иметь одинаковый ранг, но имеют 2 и1
От слияния фигуры 0 с другими фигурами.для 'logistic_loss / logits' (op: 'Pack') с входными формами: [555,2], [1].

Answer 1

Просто обновление проблема была с формой ярлыков.После добавления однократного кодирования для надписей и изготовления 2-мерная проблема была решена.