tensorflow 训练最后预测结果为一个定值，可能的原因

训练一个分类网络，没想到预测结果为一个定值。

找了很久发现，是因为tensor的维度的原因。注意：我说的是我的label数据的维度。

我的输入是：

y_= tf.placeholder(tf.int32,[None,1])  #维度：(batchsize，1)

我使用的损失函数:

loss = -y_*log(pred)

pred = tf.softmax(wx+b)  #维度:(batch_size,10034)

所以我需要将y_的维度转化为（batch_size，10034）

我使用的是

y__ = tf.one_hot(y,10034)   #维度是:(batch_size,1,10034),而不是我们的预期：（batch_size,10034）

显然这时有问题的，所以才会在坑中转了好久。

tf.one_hot()的输入数据为一维数组。

正确方法:

y1 = tf.reshape(y_,[-1])     # 变成一维数组（batch_size，）

y__ = tf.one_hot(y1,10034)    # （batch_size,10034）

loss = tf.reduce_mean(-tf.reduce_sum(y__*log(pred),reduction_indices=[1]))

巴特西

tensorflow 训练最后预测结果为一个定值，可能的原因

最新文章

热门文章