我正在尝试创建一个识别面部的模型。但是我一直遇到这个错误，其他类似问题的答案都没有解决这个问题。代码如下：
X = pickle.load(open('dataset.pkl', 'rb')).astype('float32')Y = pickle.load(open('dataset.pkl', 'rb')).astype('float32')X_test = pickle.load(open('dataset.pkl', 'rb')).astype('float32')Y_test = pickle.load(open('dataset.pkl', 'rb')).astype('float32')# 输入是一个250x250的图像，具有3个颜色通道（红色、绿色和蓝色） network = input_data(shape=[None, 250, 250, 3], data_preprocessing=img_prep, data_augmentation=img_aug)# 第1步：卷积network = conv_2d(network, 32, 3, activation='relu')# 第2步：最大池化network = max_pool_2d(network, 2)# 第3步：再次卷积network = conv_2d(network, 64, 3, activation='relu')# 第4步：再次卷积network = conv_2d(network, 64, 3, activation='relu')# 第5步：再次最大池化network = max_pool_2d(network, 2)# 第6步：全连接512节点神经网络network = fully_connected(network, 512, activation='relu')# 第7步：丢弃 - 在训练过程中随机丢弃一些数据以防止过拟合network = dropout(network, 0.5)# 第8步：全连接神经网络，具有两个输出以进行最终预测network = fully_connected(network, 2, activation='softmax')# 告诉tflearn我们希望如何训练网络network = regression(network, optimizer='adam', loss='categorical_crossentropy', learning_rate=0.001)# 将网络包装在模型对象中model = tflearn.DNN(network, tensorboard_verbose=0, checkpoint_path='faceRecog.tfl.ckpt')# 训练它！我们将进行100次训练，并在过程中监控它。model.fit(X, Y, n_epoch=10, shuffle=True, validation_set=(X_test, Y_test), show_metric=True, batch_size=10, snapshot_epoch=True, run_id='faceRecog')我一直得到
ValueError: 无法为形状为'(?, 2)’的张量’TargetsData/Y:0’提供形状为(10, 250, 250, 3)的值。
我已经尝试了一切方法，无法准确理解如何解决这个问题。
回答：
你的输入形状为(?, 250, 250, 3)（基于开头的注释和早期使用卷积层的 facts），你的输出形状为(?, 2)（基于你的最后一层是一个具有2个输出神经元的全连接层的事实）。然而，你为两者都提供了相同的数据集：
X = pickle.load(open('dataset.pkl', 'rb')).astype('float32')Y = pickle.load(open('dataset.pkl', 'rb')).astype('float32')^^ 请注意，你为X和Y都加载了相同的文件。
由于我不知道你试图实现什么，这里有两个可能的解决方案：
-
如果你试图构建某种自动编码器（在这种情况下，为输入和输出提供相同的数据集是有意义的），你需要更改网络的架构，卷积层应该连接到去卷积层。如何做这一点超出了一个Stack Overflow答案的范围
-
如果你试图构建某种分类器，那么你为
Y读取的不是正确的文件。Y应该包含你试图预测的标签，而不是图像。
