Hola, actualmente estoy intentando ejecutar TensorFlow con datos de imagen propios. Pero se bloquea cuando estoy intentando ejecutar estas funciones: es de mnist.py
def loss_fn(logits, labels): batch_size = tf.size(labels) labels = tf.expand_dims(labels, 1) indices = tf.expand_dims(tf.range(0, batch_size, 1), 1) concated = tf.concat(1, [indices, labels]) onehot_labels = tf.sparse_to_dense( concated, tf.pack([batch_size, NUM_CLASSES]), 1.0, 0.0) cross_entropy = tf.nn.softmax_cross_entropy_with_logits(logits, onehot_labels,name='xentropy') loss = tf.reduce_mean(cross_entropy, name='xentropy_mean') return loss
con este error:
Compute status: Invalid argument: Indices are not valid (out of bounds). Shape: dim { size: 100 } dim { size: 447 }
el número 100 es mi tamaño de lote y 447 es mi número de clases.
También trato de resolver ese problema como aquí https://github.com/tensorflow/tensorflow/issues/194 cambiando la línea de indeces en esta línea:
indices = tf.expand_dims(tf.range(0, batch_size, 1), 1)
No solucioné mi problema. Alguien tiene una idea?
Yo también tuve este error. Y me di cuenta de mi error. Si tiene 10 clases, los valores de su etiqueta deben oscilar entre 0 y 9, inclusive. El error se reprodujo en el ejemplo de TensorFlow CIFAR10, utilizado con el conjunto de datos SVHN . Consulte la pregunta y la respuesta a continuación.
Ejemplo de TensorFlow CIFAR10