敬启者，
我对张量流很陌生。我正在尝试为 CNN 解决著名的 MNIST 问题。但是当我必须重新调整 x_training 数据（这是一个 [40000, 28, 28, 1] 形状数据时遇到了困难。
我的代码如下：
x_train_final = tf.reshape(x_train_final, [-1, image_width, image_width, 1])
x_train_final = tf.cast(x_train_final, dtype=tf.float32)
perm = np.arange(num_training_example).astype(np.int32)
np.random.shuffle(perm)
x_train_final = x_train_final[perm]
发生以下错误：
ValueError: Shape must be rank 1 but is rank 2 for 'strided_slice_1371' (op: 'StridedSlice') with input shape: [40000,28,28,1], [1,40000], [1,40000], [1 ]。
任何人都可以建议我如何解决这个问题？谢谢。
我建议您使用 scikit 的shuffle功能。
from sklearn.utils import shuffle
x_train_final = shuffle(x_train_final)
此外，您可以传入多个数组，shuffle函数将重新组织（混洗）这些多个数组中的数据，并在所有这些数组中保持相同的混洗顺序。因此，您甚至可以传入您的标签数据集。前任：
X_train, y_train = shuffle(X_train, y_train)
本文收集自互联网，转载请注明来源。
如有侵权，请联系[email protected] 删除。
我来说两句