tensorflow错误:Shape (10, ?) must have rank at least 3

  错误的代码

 outputs, _ = tf.nn.dynamic_rnn(cell, X, dtype=tf.float32)

  错误原因:

  该错误的意思是传入的数据集X的维度只有二维,而tf.nn.dynamic_rnn()要求传入的数据集的维度是三维(batch_size, squence_length, num_features)。在这里因为特征是一维,因此没有显示。

  解决方案:

X = tf.expand_dims(X, axis=2)

  类似的错误:

  ValueError: Shapes (?, 1) and (?,) are incompatible

  错误代码:

loss = tf.losses.mean_squared_error(labels=y, predictions=predictions)

  错误原因:

  和上面的一致

  解决方案:

y = tf.expand_dims(y, axis=1)

  一个代码里面碰到两个这样的问题,之后碰到维度不匹配的感觉都可以用这个方法去解决,那就来看下这个方法吧。

tf.expand_dims(input, axis=None, name=None, dim=None)

  方法的目的:

  插入一个维度到tensor中,主要是处理维度不匹配的现象 

  参数详解:

  input:输入的张量

  axis:指定插入张量的维度的索引,可以理解为一个四维张量的索引为(0,1,2,3),如果该值为负,则从末尾开始计数

  name:输出的张量的名称

  dim:等同于axis,不推荐使用     

  拓展:

tf.suqeeze(input, squeeze_dims=None, name=None)

  该方法用于压缩维度的,也就是删除所有大小为1的维度,类似的方法还要np.squeeze()

 

    原文作者:微笑sun
    原文地址: https://www.cnblogs.com/jiangxinyang/p/9390355.html
    本文转自网络文章,转载此文章仅为分享知识,如有侵权,请联系博主进行删除。
点赞