当我运行以下代码时，它会在每个训练步骤中打印出一个恒定的损失;我也试过打印参数，也没有改变。
我似乎无法弄清楚为什么使用train_step的{{1}}不会改变W_fc1，b_fc1，W_fc2和b_fc2中的权重。
我是机器学习的初学者，所以我可能会遗漏一些明显的东西。
（类似问题的答案是权重不应该初始化为零，但这里的权重是用截断的法线初始化的，因此无法解决问题）。
GradientDescentOptimizer提前致谢。
答案 0 :(得分：0)
来自官方张量流documentation：
警告：此操作需要未缩放的日志，因为它会在内部执行logmax以提高效率。不要使用softmax的输出调用此op，因为它会产生不正确的结果。
在将{soft}输入tf.nn.softmax_cross_entropy_with_logits
同时将您的学习率设置为更高（例如3e-4）