我对TensorFlow运行以下代码,所有概率为NaN
,所有预测为0
。但是,准确性起作用。我不知道如何调试。任何和所有的帮助表示赞赏。Tensor Flow所有的预测都是0
x = tf.placeholder("float", shape=[None, 22])
W = tf.Variable(tf.zeros([22, 5]))
y = tf.nn.softmax(tf.matmul(x, W))
y_ = tf.placeholder(tf.float32, [None, 5])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
#cross_entropy = -tf.reduce_sum(tf_softmax_correct*tf.log(tf_softmax + 1e-50))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for i in range(100):
batch_xs, batch_ys = random.sample(allTrainingArray,100), random.sample(allTrainingSkillsArray,100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
#test on itself
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print "accuracy", sess.run(accuracy, feed_dict={x: batch_xs, y_: batch_ys})
probabilities = y
print "probabilities", probabilities.eval(feed_dict={x: allTrainingArray}, session=sess)
prediction=tf.argmax(y,1)
print "predictions", prediction.eval(feed_dict={x: allTrainingArray}, session = sess)
@rrao我整合了你的两个建议,但仍然没有运气:/我做了一些调试,似乎在我的训练步骤后,权重都是NaN,这会扰乱未来的计算。你有没有想过在训练步骤后可能会导致体重变成NaN? –
也许尝试降低学习率。 – natschz
我试过的第一件事:/没有运气。我不知道这是什么。它可能是数据吗?我所拥有的是283行玩家在所有TrainingArray中拥有22种不同的属性,并且匹配283个玩家与[0,0,0,0,1](或任意位置上的1个),表明他是何种玩家。我看了一下TF的例子来制作我的数据阵列,所以我不认为这会是一个问题。 –