python tensorflow 维度报错
核心代码和教学视频一样的不知道哪错了弄了一天了奔溃希望高手们发表一下见解，帮助一下我！！！我用的是tensorflow2.0数据加载进来也没问题下面是报错截图：
维度报错我也验证了没啥毛病：
再下面是代码：
import tensorflow as tf
import matplotlib.pyplot as plt
import numpy as np
mnist=tf.keras.datasets.mnist
(train_x,train_y),(text_x,text_y)=mnist.load_data()
look_photo_x=text_x[:] #备用验证
look_photo_y=text_y[:]
#定义训练参数
lun_shu=20#训练轮数
yang_benshu=50#单次训练样本数
xue_xilv=0.001 #学习率
cunt=0 #记录学习轮数
loss_train_save=[] #保存训练集损失函数值
acc_train_save=[]#保存训练集Acc值
#图像拉直.....变为一维数组
print(train_x.shape)#数据验证
train_x=train_x.reshape(-1,784)
text_x=text_x.reshape(-1,784)
print(train_x.shape)#数据验证
#特征数据归一化代码块
train_x=tf.cast(train_x/255.0,tf.float32)
text_x=tf.cast(text_x/255.0,tf.float32)
#标签数据变成独热码形式
train_y=tf.one_hot(train_y,depth=10)
text_y=tf.one_hot(text_y,depth=10)
#模型变量的定义
Input_Dim=784
H1_NN=64
W1=tf.Variable(tf.random.normal( , mean=0.0,stddev=1.0,dtype=tf.float32))
B1=tf.Variable(tf.zeros(), dtype=tf.float32)
Output_Dim=10
W2=tf.Variable(tf.random.normal( , mean=0.0,stddev=1.0,dtype=tf.float32))
B2=tf.Variable(tf.zeros( ) , dtype=tf.float32)
W=
B=
#模型的构建
def model(x,w,b):
x=tf.matmul(x,w) + b
x=tf.nn.relu(x)
x=tf.matmul(x,w) + b
pred=tf.nn.softmax(x)
return pred
#定义损失函数
def loss(x,y,w,b):
pred=model(x,w,b)#计算预测值和标签值的差异
loss_=tf.keras.losses.categorical_crossentropy(y_true=y,y_pred=pred)
return tf.reduce_mean(loss_)#求均值，得出均方差
#梯度计算函数
def grad(x,y,w,b):
with tf.GradientTape() as tape:
loss_=loss(x,y,w,b)
return tape.gradient(loss_,)#返回梯度向量
#Adam优化器
optimizer=tf.keras.optimizers.Adam(learning_rate=xue_xilv)
#定义准确率
def accuracy(x,y,w,b):
pred=model(x,w,b)
one_or_zero=tf.equal(tf.argmax(pred,1),tf.argmax(y,1))
#准确率，将布尔型转换为浮点型并计算均值
return tf.reduce_mean(tf.cast(one_or_zero,tf.float32))
#直线图封装函数
def zhi_xian_tu(x_,y_):
plt.rcParams['font.sans-serif']='SimHei' #设置字体为黑体
plt.plot(x_,label='学习率',color='r') #创建直线图
plt.plot(y_,label='损失率',color='b')
plt.ylim(0,1) #设置纵坐标长度为1
plt.xlabel('百分比',fontsize=12) #显示图例
plt.xlabel('学习次数',fontsize=12)
plt.title('手写数字识别学习率与损失率直观图',fontsize=16)#设置标题
plt.legend()#显示图例
plt.show()#显示完整直线图
total_step=int(len(train_x)/yang_benshu)
for i in range(lun_shu):
cunt+=1
for m in range(total_step):
xs=train_x
ys=train_y
grads=grad(xs,ys,W,B)#计算梯度
optimizer.apply_gradients(zip(grads,W+B)) #优化器根据梯度自动调整梯度
loss_train=loss(train_x,train_y,W,B).numpy()#计算当前轮训练损失率
acc_train=accuracy(train_x,train_y,W,B).numpy()#计算当前识别率
loss_train_save.append(loss_train)
acc_train_save.append(acc_train)
print('正在学习第：%d轮损失率：%4f识别正确率：%4f' % (cunt,loss_train,acc_train))
zhi_xian_tu(acc_train_save,loss_train_save) #打印直线图
如果把优化器根据梯度自动调整梯度注释掉就可以运行 但是就学习率就上不去了 这种问题还是去CDSN问，那边专业的多一些。 都在几处发帖了但是还没在CDSN发过{:9_234:}
页:
[1]