python - Tensorflow 分类标签数据类型

Question

我正在使用 Tensorflow DNN 模型进行一些分类。

我有一个数字(float32)数据输入，但字符串类型输出。

x = tf.placeholder("float", [None, n_input])
y = tf.placeholder(tf.string, [None, n_classes])

当我尝试如下定义损失和优化器时:

cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=y))

我遇到一个错误

TypeError: sigmoid_cross_entropy_with_logits() got an unexpected keyword argument 'labels'

我从here查找文档，它说的是

logits and targets must have the same type and shape.

我需要将类转换为 float (将字符串哈希为数字)吗？

output_y = [["apple", "apple", "orange", "banana"]]
encoded_y = [[1], [1], [2], [3]]

Answer 1

如果您使用的是tensorflow v 0.10，标签的关键字是targets。 如果您使用的是tensorflow v 1.0，那么标签的关键字是labels。 根据文档，您的标签向量应具有与 logits、float 32 或 float64 相同的类型。