Tensorflow基本的泰坦尼克号例子：准确性卡住了答案

【问题标题】：Tensorflow basic titanic example: accuracy stuckTensorflow基本的泰坦尼克号例子：准确性卡住了
【发布时间】：2017-09-02 07:21:58
【问题描述】：

我正在尝试对 TensorFlow 进行自我教育。我决定在 tensorflow 中实现臭名昭著的 kaggle titanic 挑战，不使用 tf.layers、tf.train 或 keras。我正在使用可能是一个可笑的超大网络。我的问题是我似乎无法正确计算准确度。

在我的示例中，Y 是我最后一层（宽度为 1）的输出。 Y_ 是该训练示例的标签。因此，当我计算准确性时，我将其计算为：

Y_int = tf.cast(Y_, tf.int64)
is_correct = tf.equal(tf.argmax(Y,1),Y_int)

accuracy = tf.reduce_mean(tf.cast(is_correct,tf.float32))

我每 500 次迭代运行一次： a,c = sess.run([accuracy,xe], feed_dict=test_data)

交叉熵“很好地”减少了 - 有很大的改进空间，但它确实会改变迭代。然而，准确度却被顽固地卡住了（这是第一个值）：

迭代：0

0.606742 72.3839

迭代：500

0.606742 42.3199

迭代：1000

.....

迭代：18500

0.606742 38.2022

迭代：19000

0.606742 38.4258

迭代：19500

0.606742 37.9204

【问题讨论】：

你能给出一个iter的Y和Y_的实际值吗？
给你：0.651685 32.1792 Y:: [[ -9.14530421e-04] [ 1.29497278e+00] [ -9.14530421e-04] [ 1.02632809e+00] [ 3.94688576e-01] [ 9.22473788e-01] [ -9.14530421e-04] [ -9.14530421e-04] [ 1.29656982e+00] [ 1.06453359e+00]] Y_: [[0] [1] [0] [1] [1 ] [1] [0] [0] [1] [1]]

【解决方案1】：

好的，我想通了，感谢上面天津的提示。我在检查 Y 和 Y_ 的相等性之前四舍五入：

Y_int = tf.cast(Y, tf.float32)
is_correct = tf.equal(tf.round(Y_int),Y_)

【讨论】：