您好，我正在尝试构建一个具有 11 个输入和 2 个输出的简单 rnn
X=tf.placeholder(tf.float32,[无,n_steps,n_inputs])
y=tf.placeholder(tf.int32,[None,n_steps,n_outputs])
我知道 rnn 除了 [batch_size,n_steps,n_inputs] 形状的输入，所以这就是为什么我将占位符塑造成这样的原因
但是当我运行代码时，我得到一个错误
ValueError: Shape must be rank 2 but is rank 3 for 'in_top_k/InTopKV2' (op: 'InTopKV2') with input shapes: [1,270,2], [1,270,2], [].
错误似乎起源于此:correct = tf.nn.in_top_k(logits,tf.reshape(y,[1,n_steps,n_outputs]),1)
我尝试过 reshape logits、压缩 logits、扩大 y 维度，但似乎没有任何效果。
我注意到的一个区别是，当我用
压缩 logits 时tf.squeeze(logits)
现在的错误是
ValueError: Shape must be rank 1 but is rank 3
这是我能够取得的唯一“进步”，我们将不胜感激。
请放轻松，这是我的第一个问题
最佳答案
您必须将输入重新整形为 2D 张量，然后您可以将结果重新整形为所需的形状:
logits_res = tf.reshape(logits, (-1, n_outputs))
y_res = tf.reshape(y, (-1, n_outputs))
correct_res = tf.nn.in_top_k(logits_res, y_res, 1)
correct = tf.reshape(correct_res, (-1, n_steps))
关于python - Tensorflow in_top_kv，我们在Stack Overflow上找到一个类似的问题： https://stackoverflow.com/questions/53363349/