使用TensorFlow搭建聊天机器人时张量形状不匹配报错如何解决

你的训练数据和模型输入层的形状定义不匹配：

1. 构造training数组时，你给每个特征向量bag额外套了一层列表：training.append([bag])，导致最终training的形状为三维(26,1,46)，其中46是你的词表长度也就是特征维度。
2. 定义输入层时，你用len(training[0])获取第二个维度的长度，此时training[0]是[bag]，长度为1，所以模型输入层被定义为(?, 1)，只接受第二个维度为1的输入。
3. 训练时batch_size=8，每次喂给模型的批量数据形状为(8,1,46)，和输入层期待的形状不符，就触发了这个报错。

按照以下两步修改代码即可：

• 调整训练数据构造逻辑，去掉特征向量外多余的列表嵌套
  找到代码行：

  training.append([bag])
  

  修改为：

  training.append(bag)
  

  修改后training的形状会变为二维(26, 46)，符合全连接网络的输入要求。
• 验证形状是否正确
  运行代码后观察print("shape",training.shape)的输出，确认返回shape (26, 46)即代表修改正确，再启动训练就不会出现形状不匹配的报错。

内容的提问来源于stack exchange，提问作者Pradyumn Joshi