训练准确率显示 0.0

Question

我的代码：

def accuracy(pred_labels,true_labels):
    true_labels = tf.cast(tf.reshape(true_labels,[-1,1]),tf.float32)
    correct_pred = tf.equal(pred_labels,true_labels)
    accuracy = tf.reduce_mean(tf.cast(correct_pred,tf.float32))
    return accuracy

当我跑步时：

feed_images = tf.placeholder(tf.float32,shape=(None,96,96,3))
feed_labels = tf.placeholder(tf.float32,shape=(None,))
logits = nn_model(feed_images)
cost = loss(logits,feed_labels)
opt_adam = optimizer(cost)
acc = accuracy(logits,feed_labels)
feed_trdict={feed_images:ni,feed_labels:nl}
tr_acc = sess.run(acc,feed_dict = feed_trdict)

我得到所有连续迭代的训练精度为 0.0。 然而不应该如此。 我不明白，代码有什么问题。我在一个博客网站上看到了计算准确率的代码（只有accuracy函数代码）

Answer 1

原因（可能）是pred_labels不是logits。尝试一些类似的东西

correct = tf.cast(tf.nn.in_top_k(logits, true_labels, 1), tf.float32, name='correct')
accuracy = tf.reduce_mean(correct, name='accuracy')

可能会有帮助。

我不明白，为什么问题不包含 MWE 和一些示例数据来重现这种效果。否则，我们只能用水晶球来猜测造成这种影响的原因。