我有 tf.RandomShuffleQueue 调用data_queue定义如下：
self.data_queue = tf.RandomShuffleQueue(capacity=1024,
min_after_dequeue=21,
dtypes=[tf.float32,
tf.int32],
shapes=[[221, 221, 3], []],
name="data_queue")
我能够成功地将数据项排入其中 .
出列操作定义如下：
[self.batch_images, self.batch_labels] = self.data_queue.dequeue_up_to(self.batchsize)
在上面的代码片段 self.batchsize 是一个恒定的张量 .
问题现在开始如下：
我想将这些直接推送到我的图表中 . 为清楚起见，我的图表的第一层如下：
conv1 = tf.layers.conv2d(self.batch_images, filters=96, kernel_size=7,
strides=2,
activation=tf.nn.relu,
kernel_regularizer=tf
.random_uniform_initializer,
name='conv1')
引用错误的最后几行是：
drop2 = tf.layers.dropout(fc2, name='drop2')
cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(
logits=drop2,
labels=self.batch_labels,
name="cross_entropy_per_example")
我收到的错误是：
line 1709, in sparse_softmax_cross_entropy_with_logits
(labels_static_shape.ndims, logits.get_shape().ndims))
ValueError: Rank mismatch: Rank of labels (received 1) should equal rank of logits minus 1 (received 4).
- 当我检查
tf.rank和self.labels的tf.rank时，我得到以下内容：
标签张量（“Rank：0”，shape =（），dtype = float32）图像张量（“Rank_1：0”，shape =（），dtype = int32）
它是什么原因？
NOTE 我不想使用 tf.placeholder 和 feed_dict . 我想将 self.data_queue 直接连接到图表 .
1 回答
我自己找到了解决方案 . 如果其他人在将来需要帮助，请将其发布在此处 .
卷积层的输出必须重新整形，保持批量大小相同 . 这很重要，否则完全连接的计算没有意义 . 不幸的是，
tf.layers.densehere的文档在这方面非常模糊，并没有做适当的重塑 .我使用
tf.contrib.layers.flatten进行了重塑，它就像一个魅力