小编Sim*_*mon的帖子

这是从cifar10-tutorial中截取的代码.它来自cifar10.py.

# conv1
with tf.variable_scope('conv1') as scope:
kernel = _variable_with_weight_decay('weights', shape=[5, 5, 3, 64],
                                     stddev=1e-4, wd=0.0)
conv = tf.nn.conv2d(images, kernel, [1, 1, 1, 1], padding='SAME')
biases = _variable_on_cpu('biases', [64], tf.constant_initializer(0.0))
bias = tf.nn.bias_add(conv, biases)
conv1 = tf.nn.relu(bias, name=scope.name)
_activation_summary(conv1)

# pool1
pool1 = tf.nn.max_pool(conv1, ksize=[1, 3, 3, 1], strides=[1, 2, 2, 1],
                     padding='SAME', name='pool1')
# norm1
norm1 = tf.nn.lrn(pool1, 4, bias=1.0, alpha=0.001 / 9.0, beta=0.75,
                name='norm1')

tf.nn.lrn-Method有什么作用？我在https://www.tensorflow.org/versions/r0.8/api_docs/python/index.html上的API文档中找不到定义

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？