Tensorflow超薄列车定制数据

Question

我正在尝试在自定义数据集上训练cifarnet模型。我有以下错误：

INFO:tensorflow:Error reported to Coordinator: <class 'tensorflow.python.framework.errors.InvalidArgumentError'>, Assign requires shapes of both tensors to match. lhs shape= [6] rhs shape= [10]
     [[Node: save/Assign_8 = Assign[T=DT_FLOAT, _class=["loc:@CifarNet/logits/biases"], use_locking=true, validate_shape=true, _device="/job:localhost/replica:0/task:0/cpu:0"](CifarNet/logits/biases, save/restore_slice_8)]]

我的参考点是https://github.com/tensorflow/models

我创建了一个自定义数据集文件（看起来像slim/datasets/mnist.py)，返回的类数为6，但cifarnet模型不接受此参数。至少这是我从错误日志中了解到的。我使用相同的数据集文件来训练lenet模型，它工作起来没有任何问题。在

cifarnet模型有什么问题吗？或者这个错误的原因是什么？在

编辑1：

我改变的部分在这里。Rest与tensorflow/models存储库相同。在

数据集：

^{pr2}$

Bash脚本：

TRAIN_DIR=/tmp/cifar-dir/


# Where the dataset is saved to.
DATASET_DIR=/tmp/data/tfrecords/

# Run training.
bazel-bin/slim/train_image_classifier \
  --train_dir=${TRAIN_DIR} \
  --dataset_name=tissue \
  --dataset_split_name=train \
  --dataset_dir=${DATASET_DIR} \
  --model_name=cifarnet \
  --preprocessing_name=cifarnet \
  --max_number_of_steps=10000 \
  --batch_size=32 \
  --save_interval_secs=120 \
  --save_summaries_secs=120 \
  --log_every_n_steps=100 \
  --optimizer=sgd \
  --learning_rate=0.01 \
  --learning_rate_decay_factor=0.1 \
  --num_epochs_per_decay=200 \
  --weight_decay=0.004

# Run evaluation.
bazel-bin/slim/eval_image_classifier \
  --checkpoint_path=${TRAIN_DIR} \
  --eval_dir=${TRAIN_DIR} \
  --dataset_name=tissue \
  --dataset_split_name=validation \
  --dataset_dir=${DATASET_DIR} \
  --model_name=cifarnet