想改用自己的训练数据时 出现InvalidArgumentError，不知道是什么原因 about dynamic-seq2seq

[yanwii]

dynamic-seq2seq/dynamic_seq2seq_model.py

Line 172 in 8358ffd

maximum_iterations = tf.round(tf.reduce_max(self.encoder_inputs_length) * 10)

默认问答最大长度差在10倍以内，你可以将10调大

[SkylerHuang]

@yanwii
谢谢，在关闭问题中已经发现问题所在了

[xiaoming0217]

@yanwii
你好 我用自己的数据训练模型 也出现这个问题，问题描述如下：
InvalidArgumentError (see above for traceback): logits and labels must have the same first dimension, got logits shape [240,1516] and labels shape [260]
[[Node: sequence_loss/SparseSoftmaxCrossEntropyWithLogits/SparseSoftmaxCrossEntropyWithLogits = SparseSoftmaxCrossEntropyWithLogits[T=DT_FLOAT, Tlabels=DT_INT32, _device="/job:localhost/replica:0/task:0/device:GPU:0"](sequence_loss/Reshape, sequence_loss/Reshape_1/_509)]]

我修改了这个参数 （原来是20），比如30,还是报改错误，请问是什么原因呢，非常感谢。

[yanwii]

因为decoder是支持变长的，但这个长度需要我们手动指定
maximum_iterations = tf.round(tf.reduce_max(self.encoder_inputs_length) * 10)
可以看到最大迭代次数是encoder最大长度的10倍， 说明你的decoder输出比encoder最大长度的10（30）倍还要打，这就造成了在计算loss的时候不能对齐，解决方法就是调大点，或者控制decoder的长度，当然也可以在计算loss的时候进行对齐操作。