В чем смысл этой ошибки, где я делаю не так?'target / Y: 0' TensorFlow: ошибка формы.

Question

Я строю учебный классификатор с моим набором данных.Я кодирую один горячий ярлык с TensorFlow.Добавьте данные изображения массива и одну горячую метку в данные обучения, а затем в данные тестирования.Но я получаю ошибку формы с тензорным потоком.Как новичок я попытался найти это и попытался решить это сам, но не смог.

CODE

from sklearn.preprocessing import OneHotEncoder
import tensorflow as tf
import numpy as np
import scipy.io as cio
import os
import matplotlib.pyplot as plt
import matplotlib.image as mpg
from random import shuffle
import tflearn
from tflearn.layers.conv import conv_2d, max_pool_2d
from tflearn.layers.core import input_data, dropout, fully_connected
from tflearn.layers.estimator import regression
import cv2

a = cio.loadmat("D:/compCarsThesisData/data/misc/make_model_name.mat")

images = "D:/compCarsThesisData/data/image/"
IMG_SIZE = 64
MODEL_NAME = 'Classification'
LR = 1e-3

b = a['make_names']
# c = b.reshape(163,)
d = []

for i in range(b.size):
  d.append(b[i][0][0])
  print(d)

labels_dic = {v: k for v, k in enumerate(d)}
print(labels_dic)
indices = np.arange(163)
depth = 163

y = tf.one_hot(indices,depth)
# print(y)

sess = tf.Session()

result = sess.run(y)
print(result)
# labels = []

# labels.append((result,labels_dic))
# print(labels)


 for root, _, files in os.walk(images):
   cdp = os.path.abspath(root)
   for f in files:
     name,ext = os.path.splitext(f)
     if ext == ".jpg":
       cip = os.path.join(cdp,f)
       ci = mpg.imread(cip)
       image = cv2.cv2.resize(ci,(IMG_SIZE,IMG_SIZE))
       image = np.array(image)
       print(image)

 training_data = []
 training_data.append([np.array(image),result])
 print("TrainingData",training_data)
 shuffle(training_data)
 np.save('training_data_with_One_Hot', training_data)
 testing_data = []
 testing_data.append([np.array(image),result])
 print("TestingDATA",testing_data)
 np.save('testing_data_with_One_Hot',testing_data)
 shuffle(testing_data)

#If the data already created First Time
#training_data = np.load('training_data_with_One_Hot.npy')
#testing_data = np.load('testing_data_with_One_Hot.npy')

train = training_data
test = testing_data[-50000:]

X_train = np.array([i[0] for i in train]).reshape(-1, IMG_SIZE, IMG_SIZE, 3)

y_train = [i[1] for i in train]

X_test = np.array([i[0] for i in test]).reshape(-1, IMG_SIZE, IMG_SIZE, 3)
y_test = [i[1] for i in test]
print("YTEST",y_test)



tf.reset_default_graph()
convnet = input_data(shape=[None,IMG_SIZE,IMG_SIZE,3],name='input')
convnet = conv_2d(convnet, 32, 5, activation='relu')
convnet = max_pool_2d(convnet, 5)
convnet = conv_2d(convnet, 64, 5, activation='relu')
convnet = max_pool_2d(convnet, 5)
convnet = conv_2d(convnet, 128, 5, activation='relu')
convnet = max_pool_2d(convnet, 5)
convnet = conv_2d(convnet, 64, 5, activation='relu')
convnet = max_pool_2d(convnet, 5)
convnet = conv_2d(convnet, 32, 5, activation='relu')
convnet = max_pool_2d(convnet, 5)
convnet = fully_connected(convnet, 1024, activation='relu')
convnet = dropout(convnet, 0.8)
convnet = fully_connected(convnet, 2, activation='softmax')
convnet = regression(convnet, optimizer='adam', learning_rate=LR, loss='categorical_crossentropy', name='targets')
model = tflearn.DNN(convnet, tensorboard_dir='log', tensorboard_verbose=0)
model.fit({'input': X_train}, {'targets': y_train}, n_epoch=10,
          validation_set=({'input': X_test}, {'targets': y_test}),
          snapshot_step=500, show_metric=True, run_id=MODEL_NAME)

И ошибка, которую я продолжаю получать, ниже.Пожалуйста помоги.

Run id: Classification
Log directory: log/
---------------------------------
Training samples: 1
Validation samples: 1
--
Traceback (most recent call last):
  File "d:/ThesisWork/seriouswork/classifier_with_onehot.py", line 109, in <module>>
    snapshot_step=500, show_metric=True, run_id=MODEL_NAME)                       16, in fit
  File "C:\Users\zeele\Miniconda3\lib\site-packages\tflearn\models\dnn.py", line 216, in fit                                                                        ine 339, in fit
    callbacks=callbacks)
  File "C:\Users\zeele\Miniconda3\lib\site-packages\tflearn\helpers\trainer.py", line 818, in _trainine 339, in fit
    show_metric)                                                                  on.py", line 929, in run
  File "C:\Users\zeele\Miniconda3\lib\site-packages\tflearn\helpers\trainer.py", line 818, in _train                                                                on.py", line 1128, in _run
    feed_batch)
  File "C:\Users\zeele\Miniconda3\lib\site-packages\tensorflow\python\client\sessich has shape '(?, 2)'on.py", line 929, in run
    run_metadata_ptr)
  File "C:\Users\zeele\Miniconda3\lib\site-packages\tensorflow\python\client\session.py", line 1128, in _run
    str(subfeed_t.get_shape())))
ValueError: Cannot feed value of shape (1, 163, 163) for Tensor 'targets/Y:0', which has shape '(?, 2)'

Answer 1

Здесь вы указываете, что result, который используется в training_data, имеет форму (163, 163):

indices = np.arange(163)
depth = 163
y = tf.one_hot(indices,depth)
result = sess.run(y)

В то время как ваша регрессия имеет выходное измерение 2. Я не уверенКаково ваше намерение, создавая 163 однофокусных вектора - пытаетесь ли вы классифицировать что-то по 163 измерениям?В любом случае, измерения с одним горячим вектором и выходные данные вашей регрессии должны иметь совпадающие измерения.

Это лучший совет, который я могу дать, поскольку я не уверен, как вы собираетесь создавать метки для ваших данных.

Answer 2

Эта ошибка означает, что выходная форма вашей нейронной сети (Нет, 2), но здесь y_train у вас есть что-то с формой (1, 163, 163).

Дважды проверьте, как вы создаете y_train и y_test.Я бы начал с рассмотрения их форм.