参数错误：期望的维度在范围[-1, 1)内，但实际得到了1。

Question

我不确定这个错误的含义。当我尝试计算acc时会发生这个错误：

acc = accuracy.eval(feed_dict = {x: batch_images, y: batch_labels, keep_prob: 1.0})

我尝试查找解决方案，但在网上找不到任何答案。你有什么想法是什么导致了我的错误？

这是我完整代码的链接。

- mdlee6

---

请尝试使用 keep_prob: 0.98。 - Hugh Bothwell

[]和()在端点是否包含的方面有所不同。因此，上述语法表示-1是一个有效值，但1不是。 - Charles Duffy

哦，我们至少有一个这个问题的其他实例，但没有答案；在我们可以将它们重复之前，其中一个需要被回答。 - Charles Duffy

我认为错误提示的意思是变量 acc 是一个张量 accuracy 正在被求值，它的维度为1，但它应该在范围[-1, 1)内。什么是维度为[-1，1）？ - mdlee6

也许这是相同的问题 希望有所帮助 进入链接描述 - pinetree

也许这是同样的问题 希望有所帮助 同样的问题 - pinetree

Answer 1

对于寻求Tensorflow服务或加载Estimator的用户来说，此错误是因为特征字典中的值需要批量处理。

data = {
        "signature_name": "predict",
        "inputs": {k:[v] for k,v in inputs.items()}
    }

- Daniyal Shahrokhian

Answer 2

我曾经遇到过类似的错误，但问题出在我试图在一个一维向量上使用argmax。因此我的标签形状为(50,)，而在评估时我尝试对其执行tf.argmax(y,1)。解决方案参考Tensorflow: I get something wrong in accuracy

- Roshini

Answer 3

生成此错误的源代码如下：

OP_REQUIRES(context, axis >= 0 && axis < input_dims,
            errors::InvalidArgument("Expected dimension in the range [",
                                    -input_dims, ", ", input_dims,
                                    "), but got ", dim));

请注意，axis 必须小于 input_dims，而非小于或等于。
这与消息中的语法 [-1,1) 一致：[ 表示包含该值（因此 -1 是有效的），而 ) 表示不包含该值（使得 1 本身在范围之外）。

- Charles Duffy

---

那是否意味着acc的维度为1，但它应该在[-1, 1]范围内？在该范围内具有维度意味着什么？ - mdlee6

@mdlee6，大于等于-1，小于1。 - Charles Duffy

是的，预期的维度应该等于或大于-1，小于1，但acc的维度为1。什么意思是维度等于或大于-1，小于1？ - mdlee6

偶然发现这个问题。我是不是唯一一个认为，如果已知最后一个维度的索引，必须使用“-1”而不是索引本身，这样做非常不直观？ - GPhilo

是的，有人需要更新这个异常信息。它非常令人困惑。 - Maksym Bondarenko

Answer 4

对于像这样的代码

tf.equal(tf.argmax(y, 1), tf.argmax(labels, 1))

当计算准确度时经常使用，您可以更改为

tf.equal(tf.argmax(y, -1), tf.argmax(labels, -1))

根据源代码：

// tensorflow/compiler/tf2xla/kernels/index_ops_cpu.cc:58
OP_REQUIRES(ctx, axis >= 0 && axis < input_dims,
            errors::InvalidArgument("Expected dimension in the range [",
                                    -input_dims, ", ", input_dims,
                                    "), but got ", dim));

- JasonWayne

Answer 5

我解决了这个问题。 检查一下batch_labels的表达式。

# if use one hot code use
# y_true_cls = tf.argmax(y_true, dimension=1)

# if not one hot code use
y_true_cls = y_true

希望能有所帮助

- pinetree

---

这并没有回答问题，而且你的链接无法访问。这个问题的正确答案可以在这里找到：https://stackoverflow.com/questions/44581910/tensorflow-i-get-something-wrong-in-accuracy - Roshini