Tensorflow基本的泰坦尼克示例：精度卡住

Question

我正在努力教育自己的张量流。我决定使用tf.layers，tf.train或keras在tensorflow中实现臭名昭着的kaggle titanic挑战，没有。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使准确度计算正确。

在我的例子中，Y是我最后一层（宽度1）的输出。 Y_是该训练示例的标签。因此，当我计算准确度时，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）

交叉熵减少“很好” - 有很大的改进空间，但它确实将迭代更改为迭代。但是，准确性仍然存在（这是第一个值）：

iter：0

0.606742 72.3839

iter：500

0.606742 42.3199

iter：1000

.....

iter：18500

0.606742 38.2022

iter：19000

0.606742 38.4258

iter：19500

0.606742 37.9204

编辑：完整的python文件： https://github.com/mrx80/so/blob/master/titanic_nn.py

Answer 1

好吧，我想通了，感谢天津的暗示。我在检查Y和Y _：

的相等性之前进行了舍入

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