Question

我正在Tensorfow 2.0.0-alpha0上运行文本生成模型（RNN），尽管在拟合模型时获得了损失指标，但在插入精度时却遇到了以下错误：

InvalidArgumentError：形状不兼容：[64]与[64,200]
[[{{nodemetrics_4 / accuracy / Equal}}]] [Op：__ inference_keras_scratch_graph_6491]

我尝试手动定义单个批次的准确性（预训练）：

def loss(labels, logits):
    return tf.keras.losses.sparse_categorical_crossentropy(labels, logits, from_logits=True)
def accuracy(labels, logits):
    return tf.keras.metrics.sparse_categorical_accuracy(labels,l ogits)

example_batch_loss  = loss(target_example_batch, example_batch_predictions)
example_batch_acc  = accuracy(target_example_batch, example_batch_predictions)
print("Prediction shape: ", example_batch_predictions.shape, " # (batch_size, sequence_length, vocab_size)")
print("Loss:      ", example_batch_loss.numpy().mean())
print("Accuracy:      ", example_batch_acc.numpy().mean())

输出为：

预测形状：（64、200、34）＃（批处理大小，序列长度，vocab_size）损失：3.5263805 准确性：0.01265625

然后我跟随：

optimizer = tf.keras.optimizers.RMSprop(lr=lr) 
model.compile(optimizer=optimizer, loss=loss, metrics =['accuracy']) 
history = model.fit(dataset, epochs=epochs, callbacks[checkpoint_callback])

并收到上述错误（丢失正常）。如果我在编译中尝试“精度=准确性”，则会得到：

提高ValueError（'在此期间不支持会话关键字参数渴望执行。您通过了：％s％（kwargs，））

有什么想法/建议吗？

Answer 1

accuracy不是Model.fit的标准参数-将在**kwargs下接受，然后以图形方式传递给session.run。尝试metrics=[accuracy]。

拟合Tensorflow2模型时形状不兼容的精度

1 个答案: