ValueError：ロジットとターゲットの形状が同じでなければなりません。

Question

'Wide & Deep Learning'モデルを自分のデータセットでトレーニングしようとしています。モデルをトレーニングセットに適合させるとこのエラーが発生します。

--------------------------------------------------------------------------- 
ValueError        Traceback (most recent call last) 
<ipython-input-15-8f5351c1fdf8> in <module>() 
----> 1 m.fit(input_fn=train_input_fn, steps=200) 

/Users/prisma/anaconda/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.pyc in fit(self, x, y, input_fn, steps, batch_size, monitors, max_steps) 
331        steps=steps, 
332        monitors=monitors, 
--> 333        max_steps=max_steps) 
334  logging.info('Loss for final step: %s.', loss) 
335  return self 

/Users/prisma/anaconda/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/estimator.pyc in _train_model(self, input_fn, steps, feed_fn, init_op, init_feed_fn, init_fn, device_fn, monitors, log_every_steps, fail_on_nan_loss, max_steps) 
660  features, targets = input_fn() 
661  self._check_inputs(features, targets) 
--> 662  train_op, loss_op = self._get_train_ops(features, targets) 
663 
664  # Add default monitors. 

/Users/prisma/anaconda/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/dnn_linear_combined.pyc in _get_train_ops(self, features, targets) 
188  logits = self._logits(features, is_training=True) 
189  if self._enable_centered_bias: 
--> 190  centered_bias_step = [self._centered_bias_step(targets, features)] 
191  else: 
192  centered_bias_step = [] 

/Users/prisma/anaconda/lib/python2.7/site-packages/tensorflow/contrib/learn/python/learn/estimators/dnn_linear_combined.pyc in _centered_bias_step(self, targets, features) 
272  with ops.name_scope(None, "centered_bias", (targets, features)): 
273  training_loss = self._target_column.training_loss(
--> 274   logits, targets, features) 
275  # Learn central bias by an optimizer. 0.1 is a convervative lr for a 
276  # single variable. 

/Users/prisma/anaconda/lib/python2.7/site-packages/tensorflow/contrib/layers/python/layers/target_column.pyc in training_loss(self, logits, target, features, name) 
204  """ 
205  target = target[self.name] if isinstance(target, dict) else target 
--> 206  loss_unweighted = self._loss_fn(logits, target) 
207 
208  weight_tensor = self.get_weight_tensor(features) 

/Users/prisma/anaconda/lib/python2.7/site-packages/tensorflow/contrib/layers/python/layers/target_column.pyc in _log_loss_with_two_classes(logits, target) 
387  target = array_ops.expand_dims(target, dim=[1]) 
388 loss_vec = nn.sigmoid_cross_entropy_with_logits(logits, 
--> 389             math_ops.to_float(target)) 
390 return loss_vec 
391 

/Users/prisma/anaconda/lib/python2.7/site-packages/tensorflow/python/ops/nn.pyc in sigmoid_cross_entropy_with_logits(logits, targets, name) 
432  except ValueError: 
433  raise ValueError("logits and targets must have the same shape (%s vs %s)" 
--> 434      % (logits.get_shape(), targets.get_shape())) 
435 
436  # The logistic loss formula from above is 

ValueError: logits and targets must have the same shape ((?, 1) vs (13647309, 24)) 

（13647309,24）の代わりにロジットの形状が（？、1）の理由を理解できません。 input_fn関数は、サイズ（13647309,24）と形状のラベルテンソル（13647309,24）のフィーチャーディクティックを返します。私の言う限り、ロジットはモデルの出力でなければなりませんが、DNNLinearCombinedClassifierに出力サイズを指定する場所はありませんので、出力サイズはラベルサイズと同じになるように自動的に調整されます。それは（13647309、24）です。なぜこのエラーが発生するのかわかりませんが、私のモデルには何か問題があると思います。コード全体が貼り付けるには時間がかかりすぎるので、ここでモデル構築部分を貼り付けます。

model_dir = tempfile.mkdtemp() 
m = tf.contrib.learn.DNNLinearCombinedClassifier(
    model_dir=model_dir, 
    linear_feature_columns=wide_columns, 
    dnn_feature_columns=deep_columns, 
    dnn_hidden_units=[100, 50]) 

私はテンソルフローチュートリアルからモデルのパラメータを変更しませんでした。私は自分のデータセットの観点から 'wide_columns'と 'deep_columns'を定義しました。モデルや入力機能に問題がありますか？ tf.learn apiのウェブサイトでDNNLinearCombinedClassifierのリファレンスを見つけることができません。

更新：入力機能のためのコード

def input_fn(df): 
    continuous_cols = {k: tf.constant(df[k].values) 
        for k in CONTINUOUS_COLUMNS} 

    categorical_cols = {k: tf.SparseTensor(
     indices=[[i, 0] for i in range(df[k].size)], 
     values=df[k].values, 
     shape=[df[k].size, 1]) 
         for k in CATEGORICAL_COLUMNS} 

    feature_cols = dict(continuous_cols.items() + categorical_cols.items()) 

    label = tf.constant(df[Label_COLUMNS].values) 

    return feature_cols, label 

'Label_COLUMNS' 内の24個のチャンネルがあります。

Answer 1

DNNLinearCombinedClassifierのコンストラクタにn_classes=24を指定しなければならないという問題があります。詳細については、hereを参照してください。