机器学习PAI跑deepfm时有shape mismatch的问题，可以问下怎么解决吗？
机器学习PAI跑deepfm时有shape mismatch的问题，可以问下怎么解决吗？File "/Users/brandonnnn/miniconda3/lib/python3.10/site-packages/tensorflow/python/util/traceback_utils.py", line 153, in error_handler
raise e.with_traceback(filtered_tb) from None
File "/Users/brandonnnn/miniconda3/lib/python3.10/site-packages/tensorflow/python/framework/ops.py", line 1751, in _create_c_op
raise ValueError(e.message)
ValueError: Dimension 1 in both shapes must be equal, but are 16 and 32. Shapes are [?,16] and [?,32].
From merging shape 6 with other shapes. for '{{node fm_feature/stack}} = PackN=8, T=DT_FLOAT, axis=1' with input shapes: [?,16], [?,16], [?,16], [?,16], [?,16], [?,16], [?,16], [?,32].
写回答
-
2000元阿里云代金券免费领取，2核4G云服务器仅799元/3年，新老用户都有优惠，立即抢购>>>
这个错误是一个形状不匹配的问题，它通常出现在代码中尝试对不兼容的张量进行操作时。要解决这个问题，你可以考虑以下几个步骤：
检查输入数据的形状：首先，检查你的输入数据的形状是否正确。确保输入数据的维度和大小与模型的期望输入一致。特别注意报错中提到的
[?,16]和[?,32]这两个形状，需要确保它们在相应的位置上匹配。检查模型定义和参数设置：确保你的模型定义和参数设置与输入数据的形状相匹配。对于 DeepFM 模型，可能涉及到特征抽取、嵌入层、FM 层和 DNN 层等部分。特别注意其中的权重矩阵或张量的形状是否与输入数据的形状兼容。
检查特征处理和输入编码：DeepFM 模型通常会对输入特征进行预处理和编码，例如使用嵌入层将类别特征转换为连续向量表示。确保这些特征处理和编码的过程中，形状变化没有引入不匹配的问题。
确认数据格式和排列顺序：确保输入数据的格式和排列顺序与模型的要求一致。有时候，形状不匹配的问题可能是由于数据格式或排列顺序不正确导致的。
检查损失函数和优化器设置：确保你选择的损失函数和优化器与模型的结构和任务相适应，并且可以处理输入数据的形状。
通过以上步骤，应该能够帮助你解决形状不匹配的问题。如果问题仍然存在，请提供更多的代码细节、模型定义和输入数据的形状信息，以便我可以提供更具体的帮助。
2023-07-31 17:33:06赞同 展开评论 打赏 -
2000元阿里云代金券免费领取，2核4G云服务器仅799元/3年，新老用户都有优惠，立即抢购>>>
你看下这里，这个bug已经修复了，review完就会发布，此回答整理自钉群“【EasyRec】推荐算法交流群”2023-07-16 19:20:15赞同 展开评论 打赏
版权声明：本文内容由阿里云实名注册用户自发贡献，版权归原作者所有，阿里云开发者社区不拥有其著作权，亦不承担相应法律责任。具体规则请查看《阿里云开发者社区用户服务协议》和《阿里云开发者社区知识产权保护指引》。如果您发现本社区中有涉嫌抄袭的内容，填写侵权投诉表单进行举报，一经查实，本社区将立刻删除涉嫌侵权内容。
