InvalidArgumentError：预期维度在 [-1, 1) 范围内，但得到 1

Posted 2023-02-23

【中文标题】InvalidArgumentError：预期维度在 [-1, 1) 范围内，但得到 1

【英文标题】：InvalidArgumentError: Expected dimension in the range [-1, 1) but got 1

【发布时间】：2017-11-28 04:43:11

【问题描述】：

我不确定这个错误是什么意思。当我尝试计算acc时出现此错误：

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

我已尝试查找解决方案，但在网上找不到任何解决方案。关于导致我的错误的任何想法？

这是link to my full code。

【问题讨论】：

改用keep_prob: 0.98。

[] 和 () 在端点是否包含方面有所不同。因此，上面的语法表明-1 是一个有效值，但1 不是。

嗯。我们至少有一个other instance of this question，但没有答案；在我们欺骗他们之前，需要回答其中一个或另一个。

我认为错误是说变量 acc 是被评估的张量 accuracy 的维度为 1，但它应该在 [-1, 1) 范围内。有 [-1, 1) 维度是什么意思？

可能是同一个问题希望对您有所帮助enter link description here

【参考方案1】：

对于Tensorflow服务或Estimator加载的人来说，出现这个错误是因为特征字典中的值需要成批的。

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

【参考方案2】：

产生这个错误的源代码如下：

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，不小于或等于。

这符合消息中的语法[-1,1)：[ 表示包含值（这样-1 有效），而) 表示排除值（将1 本身放在范围之外） .

【讨论】：

那么这是否意味着acc的维度是1，但应该在[-1, 1)范围内？尺寸在该范围内是什么意思？

@mdlee6，等于或大于-1，小于1。

是的，所以预期的尺寸应该等于或大于-1，小于1，但是acc的尺寸却是1。尺寸相等是什么意思等于或大于 -1，小于 1？

偶然发现了这个。我是唯一一个认为必须使用-1 而不是最后一个维度的索引的人吗，如果知道的话，是非常违反直觉的吗？

是的，有人需要更新此异常消息。这很混乱。

【参考方案3】：

我遇到了类似的错误，但对我来说问题是我试图在一维向量上使用 argmax。所以我的标签的形状是 (50,) 并且我在评估时试图做一个 tf.argmax(y,1) 。解决方案参考Tensorflow: I get something wrong in accuracy

【参考方案4】：

对于类似的代码

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

计算准确率时经常用到，可以改成

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

根据源码：

// 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));

【参考方案5】：

我解决了这个问题。 检查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

希望对你有所帮助

【讨论】：

这并没有给出问题的答案，任何人都无法访问您的链接。这个问题的正确答案可以在这里找到：***.com/questions/44581910/…