测试神经网络模型时遇tf.equal类型不匹配错误求助

错误核心是tf.equal的两个输入数据类型不一致：prediction为int64类型，y_placeholder为int32类型，TensorFlow要求比较的两个张量必须同类型，因此需要统一二者的类型，以下是几种可行的解决方法：

方法一：修改占位符的定义类型 #

在定义y_placeholder时直接指定为int64类型，和prediction保持一致：

# 原定义若为tf.int32，改为tf.int64
y_placeholder = tf.placeholder(tf.int64, shape=[...])

方法二：将prediction转换为int32类型 #

在比较前用tf.cast把prediction转成和y_placeholder相同的int32类型：

# 修改correct_prediction这一行
correct_prediction = tf.equal(tf.cast(prediction, tf.int32), y_placeholder)
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print("Accuracy:", accuracy.eval({X_placeholder: X_test, y_placeholder: y_test}))

方法三：将y_placeholder转换为int64类型 #

反过来把y_placeholder转成int64类型，匹配prediction的类型：

# 修改correct_prediction这一行
correct_prediction = tf.equal(prediction, tf.cast(y_placeholder, tf.int64))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
print("Accuracy:", accuracy.eval({X_placeholder: X_test, y_placeholder: y_test}))

额外提示 #

如果项目可以迁移到TensorFlow 2.x，建议使用tf.keras的高层API（比如tf.keras.metrics.Accuracy），这类API会自动处理部分类型兼容问题，代码也更简洁。同时要确保训练集和测试集的标签数据类型统一，避免后续重复出现类似问题。

内容的提问来源于stack exchange，提问作者SoulSA