ディープラーニングで多層の畳み込みと全結合のネットワーク

Question

前提・実現したいこと

テンソルのディープラーニングで多層の畳み込みと全結合のネットワークを構成したいのです。
実装中に以下のエラーメッセージが発生しました。

発生している問題・エラーメッセージ

Incompatible shapes: [50] vs. [100]
[[node Equal_7 (defined at /tensorflow-1.15.2/python3.6/tensorflow_core/python/framework/ops.py:1748) ]]

該当のソースコード

%tensorflow_version 1.x
from tensorflow.examples.tutorials.mnist import input_data
import tensorflow as tf

x = tf.placeholder("float", shape=[None, 784])
y = tf.placeholder("float", shape=[None, 10])

def weight_variable(shape):
initial = tf.truncated_normal(shape, stddev=0.1)
return tf.Variable(initial)

def bias_variable(shape):
initial = tf.constant(0.1, shape=shape)
return tf.Variable(initial)

def conv2d(x, W):
return tf.nn.conv2d(x, W, strides=[1, 1, 1, 1], padding='SAME')

def max_pool_2x2(x):
return tf.nn.max_pool(x, ksize=[1, 2, 2, 1], strides=[1, 2, 2,1], padding='SAME')

x_image = tf.reshape(x, [-1, 28, 28, 1])
W_conv1 = weight_variable([5, 5, 1, 32])
b_conv1 = bias_variable([32])
h_conv1 = tf.nn.relu(conv2d(x_image, W_conv1)+b_conv1)
h_pool1 = max_pool_2x2(h_conv1)

W_conv2 = weight_variable([5, 5, 32, 32])
b_conv2 = bias_variable([32])
h_conv2 = tf.nn.relu(conv2d(h_pool1, W_conv2)+b_conv2)
h_pool2 = max_pool_2x2(h_conv2)

W_conv3 = weight_variable([5, 5, 32, 64])
b_conv3 = bias_variable([64])
h_conv3 = tf.nn.relu(conv2d(h_pool2, W_conv3)+b_conv3)
h_pool3 = max_pool_2x2(h_conv3)

W_conv4 = weight_variable([5, 5, 64, 64])
b_conv4 = bias_variable([64])
h_conv4 = tf.nn.relu(conv2d(h_pool3, W_conv4)+b_conv4)
h_pool4 = max_pool_2x2(h_conv4)

W_fc1 = weight_variable([7764,1024])
b_fc1 = bias_variable([1024])
h_pool2_flat = tf.reshape(h_pool2,[-1,7764])
h_fc1 = tf.nn.relu(tf.matmul(h_pool2_flat,W_fc1)+b_fc1)

W1 = tf.Variable(tf.random.normal([1024,1024],0,0.1,dtype=tf.float32))
b1 = tf.Variable(tf.zeros([1024]))

h_1 = tf.nn.relu(tf.matmul(h_fc1,W1)+b1)

keep_prob = tf.placeholder("float")
h_fc1_drop = tf.nn.dropout(h_1,keep_prob)

W2 = tf.Variable(tf.random.normal([1024,10],0,0.1,dtype=tf.float32))
b2 = tf.Variable(tf.zeros([10]))

y_conv = tf.nn.softmax(tf.matmul(h_fc1_drop,W2)+b2)

eps=1e-7
cross_entropy = -tf.reduce_sum(y*tf.log(y_conv+eps))
tf.summary.scalar('loss',cross_entropy)

train_step = tf.train.AdamOptimizer(1e-4).minimize(cross_entropy)

correct_prediction = tf.equal(tf.argmax(y,1),tf.argmax(y_conv,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction,"float"))

sess = tf.Session()

sess.run(tf.global_variables_initializer())

mnist = input_data.read_data_sets('MNIST_data',one_hot=True)

for i in range(1000):
batch = mnist.train.next_batch(50)
if i % 100 == 0:
train_accuracy = sess.run(accuracy, feed_dict={x:batch[0], y:batch[1], keep_prob:1.0})
print("step %d, training accuracy %g"%(i, train_accuracy))
sess.run(train_step, feed_dict={x:batch[0],y:batch[1],keep_prob:0.5})

print("test accuracy %g"%sess.run(accuracy,feed_dict={x:mnist.test.images, y:mnist.test.labels,keep_prob:1.0}))

### 試したこと

ここに問題に対して試したことを記載してください。

### 補足情報（FW/ツールのバージョンなど）

googleのcolabでやっています。

Comments

[jbpb0]

pythonのコードの一番最初の行のすぐ上に
```python
だけの行を追加してください