我正在尝试创建一个Python 3程序，使用Tensorflow对句子进行分类。然而，当我尝试运行我的代码时，会出现一系列很长的错误。以下错误似乎是我问题的根本原因：
InvalidArgumentError: 断言失败：[Label IDs must < n_classes] [Condition x < y did not hold element-wise:x (linear/head/ToFloat:0) = ] [[4][4]1…] [y (linear/head/assert_range/Const:0) = ] 2
我使用Scikit-Learn的LabelEncoder()方法来创建标签ID，这应该符合这一要求；他们的文档页面上说，“将标签编码为0到n_classes-1之间的值。”
我尝试运行的代码是：
我使用的data.csv文件是一小组无意义的测试数据：
我对如何继续感到有些不知所措。我只找到一个帖子提到了类似的问题在这里，但如果我理解正确的话，那个用户的问题似乎与我的问题性质不同。
任何见解都将不胜感激！
回答：
尝试这样做：
# 明确指定类别数量，例如10model = tf.estimator.LinearClassifier(feature_columns=feat_cols, n_classes=10)默认值n_classes=2，这在内部意味着tensorflow使用sigmoid交叉熵损失。设置类别数量将使其变为softmax交叉熵。
