错误如何解决 InvalidArgumentError: Incompatible shapes: [20000,1] vs. [256,1]

最新推荐文章于 2024-05-03 00:50:24 发布

逆着tensor

最新推荐文章于 2024-05-03 00:50:24 发布

阅读量1.1w

点赞数

分类专栏： tensorflow2.0学习文章标签： tensorflow

本文链接：https://blog.csdn.net/weixin_44152421/article/details/106096126

版权

在使用TensorFlow进行训练时遇到了`InvalidArgumentError: Incompatible shapes`错误，具体表现为[20000,1]与[256,1]的形状不匹配。错误出现在`tf.Sub`操作中。尝试遍历数据集并计算损失时，计算过程引发了该错误。寻求解决方案。" 123662211,9640242,Python绘制折线图教程,"['Python', '数据可视化']

摘要由CSDN通过智能技术生成

@错误如何解决 InvalidArgumentError: Incompatible shapes: [20000,1] vs. [256,1] [Op:Sub] name: sub/

错误显示

InvalidArgumentError Traceback (most recent call last)
in
10 for epoch in range(10):
11 for step,(x,y) in enumerate(dataset):
—> 12 loss=train_on_batch(x,y)
13
14 print(‘Epoch %d:last batch loss=%.4f’%(epoch,float(loss)))

in train_on_batch(x, y)
15 with tf.GradientTape() as tape:
16 predictions=compute_predictions(x)
—> 17 loss=compute_loss(y,predictions)
18 #tape,gradient对于多个变量求梯度也是可以的
19 dloss_w,dloss_b=tape.gradient(loss,[w,b])

in compute_loss(lables, predictions)
10 return tf.matmul(features,w)+b
11 def compute_loss(lables,predictions):
—> 12 return tf.reduce_mean(tf.square(labels-predictions))
13
14 def train_on_batch(x,y):

~\anaconda3\envs\tensorflow_gpu\lib\site-packages\tensorflow_core\pyt