我目前正在开发一个使用Tensorflow的程序，该程序读取1750 x 1750像素的数据。我通过卷积网络运行了它：
不幸的是，出现了一个错误
广播操作的形状不兼容：TensorShape([Dimension(100)]) 和 TensorShape([Dimension(9187500), Dimension(4)])
我无法调试这个问题。
矩阵维度的问题出在哪里？解释器说错误发生在 tf.sub 这一行。
编辑：
这是调用函数的主要代码部分。
回答：
我发现了以下问题：
-
你的
labels输入是一个简单的1维标签标识符数组，但它需要进行独热编码（one-hot encoding），变成一个大小为[batch_size, 4]的矩阵，填充1或0。 -
你的最大池化操作需要设置与1不同的步长（strides），才能实际减少图像的宽度和高度。所以设置
strides=[1, 5, 5, 1]应该可以工作。 -
在修复这个问题后，你的最大池化操作实际上并没有将宽度/高度从1750减少到你假设的10，而是只减少到14（因为
1750 / 5 / 5 / 5 == 14）。所以你可能需要增加这里的权重矩阵，但也有其他选择。 -
你的图像是否从一开始就有3个通道？你在这里假设的是灰度图像，所以你应该要么将
image_matrix重塑为3个通道，要么将图像转换为灰度图像。
应用这些修复后，网络输出和标签都应该具有形状 [batch_size, 4]，你应该能够计算出差异。
编辑： 在下面的聊天中讨论代码后，我进行了调整。
