张量流 in_top_kv

Question

您好，我正在尝试构建一个具有 11 个输入和 2 个输出的简单 rnn X=tf.placeholder(tf.float32,[None,n_steps,n_inputs]) y=tf.placeholder(tf.int32,[None,n_steps,n_outputs])

我知道 rnn 不包括 [batch_size、n_steps、n_inputs] 形状的输入，所以这就是为什么我将占位符塑造成这样

然而，当我运行代码时，我得到一个错误

ValueError: Shape must be rank 2 but is rank 3 for 'in_top_k/InTopKV2' (op: 'InTopKV2') with input shapes: [1,270,2], [1,270,2], [].

错误似乎起源于此：correct = tf.nn.in_top_k(logits,tf.reshape(y,[1,n_steps,n_outputs]),1)

我试过重塑 logits、压缩 logits、扩大 y 维度，但似乎没有任何效果。

我注意到的一个区别是，当我用

压缩 logits 时

tf.squeeze(logits)

错误现在显示

ValueError: Shape must be rank 1 but is rank 3

这是我唯一能够做到的 'progress'，如有任何帮助，我们将不胜感激。

p.s 放轻松这是我第一个问题

Answer 1

您必须将输入重新整形为 2D 张量，然后您可以将结果重新整形为所需的形状：

logits_res = tf.reshape(logits, (-1, n_outputs))
y_res = tf.reshape(y, (-1, n_outputs))
correct_res = tf.nn.in_top_k(logits_res, y_res, 1)
correct = tf.reshape(correct_res, (-1, n_steps))

张量流 in_top_kv

Tensorflow in_top_kv

python

tensorflow

shapes

rnn

tensor