错误
tensorflow.python.framework.errors_impl.InvalidArgumentError: Assign requires shapes of both tensors to match. lhs shape= [24,1] rhs shape= [32,1]
版本
tensorflow2.3.0
原因
我在修改模型时错误修改了模型的前行传播部分代码
我在def call(self, inputs, **kwargs):
中不当使用了固定的batch_size参数。
原来我的目标如下面例子
inputs = tf.constant([[1, 2, 34, 5],
[2, 3, 6, 7]], dtype=float)
目标是把inputs
张量转换,由 (batch_size, embeding_dim)=(2,4) ===>(batch_size, embeding_dim,1) =(2,4,1)
一开始我是使用固定的batch_size,如下例子
inputs_vector = tf.reshape(inputs,[batch_size, -1, 1])
batch_size
是在模型初始化就传入的,所以batch_size
是固定大小的。-1
表示有程序自动计算出当前的维度大小。
如果传入的每个批次的inputs都是固定的话,那是不会出错的,但一般最后一个批次都不是完整的,所以在最后一个批次inputs_vector 的转换就出错了。解决方法是不使用batch大小了,改为使用embeding_dim
数据的维度信息。因为每个样本数据的维度是不变的。
我正确改为:
inputs_vector = tf.reshape(inputs,[-1, self. embeding_dim, 1])
。