Question

我试图在张量流中建立一个小型神经网络，而我在这方面有点新意。我在一个教程（http://de.slideshare.net/tw_dsconf/tensorflow-tutorial）中看到了这一点，一切正常，直到我尝试优化权重（使用梯度下降），因为我得到一个Null值。

with tf.Session() as sess:
x = tf.placeholder("float",[1,3],name="x")
w = tf.Variable(tf.random_uniform([3,3]),name="w")
y = tf.matmul(x,w)
labels = tf.placeholder("float",[1,3],name="labels")
relu_out = tf.nn.relu(y)
cross_entropy = tf.nn.softmax_cross_entropy_with_logits(relu_out,labels,name="loss")
optimizer = tf.train.GradientDescentOptimizer(0.5)
train_op = optimizer.minimize(cross_entropy)
e_labels = np.array([[1.0,1.0,0.0]])
sess.run(tf.initialize_all_variables())
for step in range(10):
    [out,loss] = sess.run([train_op,cross_entropy],feed_dict={x:np.array([[1.0,2.0,3.0]]),labels: e_labels})
print("the result is:",out)
print("The loss of the function is:",loss)

直到现在我改变了标签值（e_labels）和输入值（x），但无论如何我总是得到一个无结果。我的问题是：无价值是否正常？我不这么认为，但如果有人能告诉我，我会很高兴知道我能做什么以及如何解决。

Answer 1

我认为您的意思是out的值（即sess.run([train_op, cross_entropy], ...)的第一个返回值）是None。

完全正常：train_op是tf.Operation，当您将tf.Operation传递给tf.Session.run()时（引用文档）相应的提取值将为None。“

您可以将tf.Operation视为具有void返回类型的函数（使用C或Java等语言）。这是你run()引起副作用（即更新变量）的东西，但它本身没有有意义的返回值。

无使用梯度下降优化数据时的值

1 个答案: