Question

我正在尝试使用TensorFlow构建一个CIFAR - 100的线性分类器。我从Martin Gorner的MNIST教程中获得了代码并稍作改动。当我运行此代码时，tensorflow不进行训练（代码正在运行但精度仍为1.0且丢失（交叉熵保持为4605.17），我不知道出了什么问题，我实际上是TF的新手，任何帮助都表示赞赏。

＆＃13;

In [65]: %timeit strided_einsum(df)
10 loops, best of 3: 61.5 ms per loop

In [66]: %timeit strided_einsum_unif_filter(df)
10 loops, best of 3: 49.4 ms per loop

＆＃13;

Answer 1

在训练过程完成后，您可以计算一百次准确度。没有什么会改变。您应该将print('accuracy:'....)放在执行反向传播的for循环中：

for i in range(500):
    # the backpropagation training step
    t, Loss = sess.run([train_step, cross_entropy], feed_dict={X: Xbatches[i], Y_: Ybatches[i]})
    print(Loss)
    print(i)
    print('accuracy:', sess.run(accuracy, feed_dict={X: XtestB[i], Y_: YtestB[i]}))

Answer 2

很抱歉这篇文章证明这是一个基本错误。我更改了以下内容;

Ytr[0:num_train, Yr[0:num_train]] = 1

Yte[0:num_test, Ye[0:num_test]] = 1

与

Ytr[range(num_train), Yr_temp[range(num_train)]] = 1 Yte[range(num_test), Ye_temp[range(num_test)]] = 1

首先让所有值为1，但我只是想要真正的第1类和其他元素0.感谢您的时间。

Tensorflow不会训练CIFAR - 100数据

2 个答案: