拟合tflearn搭建的TensorFlow模型时出现ValueError如何解决

你代码中输入层的维度参数配置错误：
tflearn.input_data的shape参数第二个位需要传入单个训练样本的特征维度，你原本写的len(training)实际是训练样本的总个数（从你的输出看是26），而你的训练集training数组的维度是(样本数, 特征数)，每个样本的特征维度等于词袋列表的长度，也就是training.shape[1]或者len(words)。输入维度和实际训练数据的特征维度不匹配，所以在fit阶段喂入数据时直接触发ValueError。

1. 替换输入层定义代码
   将原代码中的

net = tflearn.input_data(shape=[None, len(training)])

修改为

net = tflearn.input_data(shape=[None, training.shape[1]])
# 也可以写为 shape=[None, len(words)]，二者数值一致

2. （可选优化）如果需要避免无验证集的提示，同时查看验证指标，可以修改fit调用代码，拆分小比例样本作为验证集：

model.fit(training, output, n_epoch=1000, batch_size=8, show_metric=True, validation_set=0.1)

修改后重新运行代码即可正常启动训练，show_metric配置的性能指标也会正常输出。

内容的提问来源于stack exchange，提问作者Leshan