详解TensorFlow报”ValueError: A target array with shape must be broadcastable to shape “的原因以及解决办法

问题描述

在使用TensorFlow训练神经网络时，有时会遇到以下错误：

ValueError: A target array with shape (batch_size, ) must be broadcastable to shape (batch_size, num_classes).

这个错误意味着，你的训练数据中有目标数组的形状不匹配的问题。通常这个问题与你的训练数据集中的类别数量有关。

例如，如果你的训练数据中有100个图像，每个图像都有一个标签，而这些标签只属于两个类别（例如，猫和狗），那么你应该把每个标签编码成一个长度为2的one-hot向量（例如，[1, 0]表示猫，[0, 1]表示狗）。这样，你的标签数组就会有一个形状为(batch_size, 2)。

但如果你忘记把标签编码成one-hot向量，而是使用了整数标签（例如，0表示猫，1表示狗），那么问题就出现了。此时标签数组的形状为(batch_size, )，而模型的输出形状为(batch_size, num_classes)。因此，这两个形状是不匹配的，会导致报错。

解决办法

要解决这个问题，有两个方向可以考虑：

对标签进行one-hot编码

这是最常见的解决方法。你可以使用tf.one_hot函数将整数标签编码成one-hot向量。例如：

labels = tf.one_hot(labels, num_classes)

这样，每个标签都会被编码成一个长度为num_classes的one-hot向量。这个向量的形状为(batch_size, num_classes)，与模型的输出形状相匹配。

修改模型的输出形状

如果你不想对标签进行one-hot编码，或者由于某些原因不能进行编码，那么你可以考虑修改模型的输出形状，使其与标签数组的形状匹配。

例如，在上述例子中，你可以将模型的输出形状设置为(batch_size, 1)，而不是(batch_size, 2)。这样，标签数组的形状就与模型的输出形状匹配了。

修改模型输出形状的方法因模型的结构而异。你需要自己根据模型的结构来改变输出形状。比如在Dense层或者Softmax层中使用参数units或者num_classes来指定类别数量。

参考文献

官方文档：
https://www.tensorflow.org/api_docs/python/tf/one_hot

Python官方文档：
https://docs.python.org/3/library/typing.html#typing.Union