J'essaie d'ajouter plus de couches à mon réseau neuronal dans le flux tensoriel, mais ici, je reçois cette erreur.Ajout de plusieurs couches avec TensorFlow Erreur
ValueError: Dimensions must be equal, but are 256 and 784 for 'MatMul_1' (op: 'MatMul') with input shapes: [?,256], [784,256].
Voici comment je crée les poids et le biais.
# Store layers weight & bias
weights = {
'hidden_layer': tf.Variable(tf.random_normal([n_input, n_hidden_layer])),
'out': tf.Variable(tf.random_normal([n_hidden_layer, n_classes]))
}
biases = {
'hidden_layer': tf.Variable(tf.random_normal([n_hidden_layer])),
'out': tf.Variable(tf.random_normal([n_classes]))
}
Voici où je fais mon modèle
# Hidden layer with RELU activation
layer_1 = tf.add(tf.matmul(x_flat, weights['hidden_layer']), biases['hidden_layer'])
layer_1 = tf.nn.relu(layer_1)
layer_1 = tf.nn.dropout(layer_1, keep_prob)
layer_2 = tf.add(tf.matmul(layer_1, weights['hidden_layer']), biases['hidden_layer'])
layer_2 = tf.nn.relu(layer_2)
layer_2 = tf.nn.dropout(layer_2, keep_prob)
# Output layer with linear activation
logits = tf.matmul(layer_2, weights['out']) + biases['out']
Et l'erreur est très probablement en layer_2. J'utilise le jeu de données MNIST. Et aussi le xy, un xPlat sont remodelés à
x shape is (?, 28, 28, 1)
y shape is (?, 10)
x flat shape is (?, 784)
Oui ofcourse , c'était une chose si simple, j'ai complètement oublié que je s utilisant les mêmes poids et biais. Merci beaucoup, je stressais pendant une heure et totalement ignoré cela. Merci. –