tf.nn.in_top_k:目标超出范围

Question

我从张量流中调整cifar10网络,以解决我自己的分类问题.我已经训练了网络,现在我尝试使用cifar10_eval.py评估训练模型

top_k_op = tf.nn.in_top_k(logits, labels, 1)

但我得到以下错误.经过进一步调查,目标指数在2,3到4之间变化

tensorflow.python.framework.errors.InvalidArgumentError: targets[3] is out of range

到现在为止,我知道我的标签 - Tensor出了问题.它是一个int32-Tensor,形状(50,)如下所示.

labels = {Tensor} Tensor("batch_processing/Reshape_1:0", shape=(50,), dtype=int32, device=/device:CPU:0)

我的数据集只有2个类/标签.也许这可能是问题所在.有谁知道,问题是什么？

Answer 1

总结一下,函数tf.nn.in_top_k(predictions, targets, k)(参见doc)有参数:

• 预测:shape [batch_size, num_classes],类型float32
• targets(正确的标签):shape [batch_size],type int32或int64

InvalidArgumentError: targets[i] is out of range当元素targets[i]超出范围时,该函数会引发错误predictions[i].

例如,有2个类(num_classes=2)和targets=[1, 3].使用这些目标,您将看到一个错误,InvalidArgumentError: targets[1] is out of range因为targets[1] = 3超出范围predictions[1]只有形状2.

要检查您labels是否正确,您可以打印最大值:

labels = ...
labels_max = tf.reduce_max(labels)

sess = tf.Session()
print sess.run(labels_max)

如果打印的值优于num_classes,则表示您遇到问题.