ERROR：とLoadError：Tensorflowエラー：ステータス：互換性のない形状：私は時の例からTensorFlowを勉強しています<a href="https://malmaud.github.io/tfdocs/tutorial/" rel="nofollow noreferrer">multilayer CNN Tutorial</a></p> <p>から適応モデルの実装[16]対[16,9]

Question

：MNISTチュートリアル - Julia.jl

チュートリアルとは異なり、私は自分自身のカスタム画像（32 X 32（RGB））のフォーマットをシファル10に擬似的に使用しています。 csvの各行は3073列で、最後のラベルはラベルです。

私はトレーニングのために最初の240行を選択するために配列スライスを使用し、残りはテスト用に300行あります。だから、ナットシェルで私は4つの配列している：私は、私はエラーを取得するネットワークを訓練しようとすると、

Incompatible shapes: [16] vs. [16,9]

は実際に私が240トレーニングセットを持つ9つのクラスとテストのための60枚の画像を

images_train = 240 X 3072 labels_train = 240 X 1 images_test = 60 X 3072 labels_test = 60 X 1 .

を持っています。

コードは次のとおりです。

using TensorFlow 
using Distributions 
include("loader.jl") 

session = Session(Graph()) 
function weight_variable(shape) 
    initial = map(Float32, rand(Normal(0, .001), shape...)) 
    return Variable(initial) 
end 

function bias_variable(shape) 
    initial = fill(Float32(.1), shape...) 
    return Variable(initial) 
end 

function conv2d(x, W) 
    nn.conv2d(x, W, [1, 1, 1, 1], "SAME") 

end 

function max_pool_2x2(x) 
    nn.max_pool(x, [1, 2, 2, 1], [1, 2, 2, 1], "SAME") 
end 

x = placeholder(Float32) 
y_ = placeholder(Float32) 

W_conv1 = weight_variable([5, 5, 3, 32]) 
b_conv1 = bias_variable([32]) 

x_image = x #reshape(x, [-1, 32, 32, 3]) 

h_conv1 = nn.relu(conv2d(x_image, W_conv1) + b_conv1) 
h_pool1 = max_pool_2x2(h_conv1) 

W_conv2 = weight_variable([5, 5, 32, 64]) 
b_conv2 = bias_variable([64]) 

h_conv2 = nn.relu(conv2d(h_pool1, W_conv2) + b_conv2) 
h_pool2 = max_pool_2x2(h_conv2) 

W_fc1 = weight_variable([8*8*64, 1024]) # 
b_fc1 = bias_variable([1024]) 

h_pool2_flat = reshape(h_pool2, [-1, 8*8*64]) 
h_fc1 = nn.relu(h_pool2_flat * W_fc1 + b_fc1) 

keep_prob = placeholder(Float32) 
h_fc1_drop = nn.dropout(h_fc1, keep_prob) 

W_fc2 = weight_variable([1024, 9]) 
b_fc2 = bias_variable([9]) 

y_conv = nn.softmax(h_fc1_drop * W_fc2 + b_fc2) 


cross_entropy = reduce_mean(-reduce_sum((y_ .* log(y_conv)), axis=[2])) 

train_step = train.minimize(train.AdamOptimizer(1e-4), cross_entropy) 

correct_prediction = indmax(y_conv, 2) .== indmax(y_, 2) 

accuracy = reduce_mean(cast(correct_prediction, Float32)) 

run(session, global_variables_initializer()) 

for i in 1:100 
    images_train,labels_train = batching(16) # randomly generate batches from training dataset (16,32,32,3) 
    if i%4 == 1 
     train_accuracy = run(session, accuracy, Dict(x=>images_train, y_=>labels_train, keep_prob=>1.0)) 
     info("step $i, training accuracy $train_accuracy") 
    end 
    run(session, train_step, Dict(x=>images_train, y_=>labels_train, keep_prob=>.5)) 
end 

images_test, labels_test = testloader() # (60, 33,32,3), (60,) Arrays 


test_accuracy = run(session, accuracy, Dict(x=>images_test, y_=>labels_test, keep_prob=>1.0)) 
info("test accuracy $test_accuracy") 

Answer 1

は

reshape(A,(16,1))

を適用する非互換性の問題を解決しました。