Tensorflow: логиты и метки должны иметь одно и то же первое измерение

Я новичок в tensoflow и хочу адаптировать учебник MNIST https://www.tensorflow.org/tutorials/layers с моими данными (изображения 40х40). Это моя модельная функция:

def cnn_model_fn(features, labels, mode):
        # Input Layer
        input_layer = tf.reshape(features, [-1, 40, 40, 1])

        # Convolutional Layer #1
        conv1 = tf.layers.conv2d(
                inputs=input_layer,
                filters=32,
                kernel_size=[5, 5],
                #  To specify that the output tensor should have the same width and height values as the input tensor
                # value can be "same" ou "valid"
                padding="same",
                activation=tf.nn.relu)

        # Pooling Layer #1
        pool1 = tf.layers.max_pooling2d(inputs=conv1, pool_size=[2, 2], strides=2)

        # Convolutional Layer #2 and Pooling Layer #2
        conv2 = tf.layers.conv2d(
                inputs=pool1,
                filters=64,
                kernel_size=[5, 5],
                padding="same",
                activation=tf.nn.relu)
        pool2 = tf.layers.max_pooling2d(inputs=conv2, pool_size=[2, 2], strides=2)

        # Dense Layer
        pool2_flat = tf.reshape(pool2, [-1, 10 * 10 * 64])
        dense = tf.layers.dense(inputs=pool2_flat, units=1024, activation=tf.nn.relu)
        dropout = tf.layers.dropout(
                inputs=dense, rate=0.4, training=mode == tf.estimator.ModeKeys.TRAIN)

        # Logits Layer
        logits = tf.layers.dense(inputs=dropout, units=2)

        predictions = {
            # Generate predictions (for PREDICT and EVAL mode)
            "classes":       tf.argmax(input=logits, axis=1),
            # Add `softmax_tensor` to the graph. It is used for PREDICT and by the
            # `logging_hook`.
            "probabilities": tf.nn.softmax(logits, name="softmax_tensor")
        }

        if mode == tf.estimator.ModeKeys.PREDICT:
            return tf.estimator.EstimatorSpec(mode=mode, predictions=predictions)

        # Calculate Loss (for both TRAIN and EVAL modes)
        loss = tf.losses.sparse_softmax_cross_entropy(labels=labels, logits=logits)

        # Configure the Training Op (for TRAIN mode)
        if mode == tf.estimator.ModeKeys.TRAIN:
            optimizer = tf.train.GradientDescentOptimizer(learning_rate=0.001)
            train_op = optimizer.minimize(
                    loss=loss,
                    global_step=tf.train.get_global_step())
            return tf.estimator.EstimatorSpec(mode=mode, loss=loss, train_op=train_op)

        # Add evaluation metrics (for EVAL mode)
        eval_metric_ops = {
            "accuracy": tf.metrics.accuracy(
                    labels=labels, predictions=predictions["classes"])}
        return tf.estimator.EstimatorSpec(
                mode=mode, loss=loss, eval_metric_ops=eval_metric_ops)

У меня ошибка размера формы между метками и логитами:

InvalidArgumentError (трассировку см. выше): логиты и метки должны иметь одно и то же первое измерение, полученную форму логитов [3,2] и форму меток [1] ​​

filenames_array - это массив из 16 строк

["file1.png", "file2.png", "file3.png", ...]

и labels_array - это массив из 16 целых чисел

[0,0,1,1,0,1,0,0,0,...]

Основная функция:

# Create the Estimator
mnist_classifier = tf.estimator.Estimator(model_fn=cnn_model_fn, model_dir="/tmp/test_convnet_model")

# Train the model
cust_train_input_fn = lambda: train_input_fn_custom(
        filenames_array=filenames, labels_array=labels, batch_size=1)

mnist_classifier.train(
        input_fn=cust_train_input_fn,
        steps=20000,
        hooks=[logging_hook])

Я безуспешно пытался переделать логиты:

logits = tf.reshape (logits, [1, 2])

Мне нужна твоя помощь спасибо

ИЗМЕНИТЬ

По прошествии большего количества времени на поиск в первой строке моей модели функции

input_layer = tf.reshape(features, [-1, 40, 40, 1])

«-1», означающее, что размер партии будет вычисляться динамически, имеет здесь значение «3». Та же цифра 3, что и в моей ошибке: логиты и метки должны иметь одно и то же первое измерение, форму логитов [3,2] и форму меток [1] ​​

Если я установлю значение «1», у меня появится новая ошибка:

Входными данными для изменения формы является тензор с 4800 значениями, но запрошенная форма имеет 1600

Может проблема с моими функциями?

РЕДАКТИРОВАТЬ2:

полный код находится здесь: https://gist.github.com/geoffreyp/cc8e97aab1bff4d39e10001118c6322e

logits = tf.layers.dense(inputs=dropout, units=1)

https://gist.github.com/geoffreyp/cc8e97aab1bff4d39e10001118c6322e

Но я не совсем понимаю ваш ответ о размере партии, как здесь размер партии может быть 3, тогда как я выбираю размер партии 1?

Если я выберу batch_size = 3, у меня будет такая ошибка: логиты и метки должны иметь одно и то же первое измерение, форму логитов [9,1] и форму меток [3]

Я попытался изменить форму ярлыков:

labels = tf.reshape(labels, [3, 1])

и обновил структуру функций и меток:

    filenames_train = [['blackcorner-data/1.png', 'blackcorner-data/2.png', 'blackcorner-data/3.png',
                   'blackcorner-data/4.png', 'blackcorner-data/n1.png'],
                   ['blackcorner-data/n2.png',
                   'blackcorner-data/n3.png', 'blackcorner-data/n4.png',
                   'blackcorner-data/11.png', 'blackcorner-data/21.png'],
                   ['blackcorner-data/31.png',
                   'blackcorner-data/41.png', 'blackcorner-data/n11.png', 'blackcorner-data/n21.png',
                   'blackcorner-data/n31.png']
                   ]

labels = [[0, 0, 0, 0, 1], [1, 1, 1, 0, 0], [0, 0, 1, 1, 1]]

но безуспешно ...