我基于分类器模型，使用张量流制作了一个神经网络，以根据河流测得的流量值预测自然流量值，从而实现了毕业设计。数据来自csv文件，共有2列，第一列是测量的流量，第二列是自然流量，在使用从tensorflow（tf.contrib）导入csv数据的特定函数时，我遇到了一些麻烦。 data.CsvDataset / tf.data.experimental.CsvDataset），因为它需要启用急切的执行，并且启用时占位符显然不起作用，而且我不知道如何使其起作用（如果有人知道如何为了解决这个问题，请告诉我），因此我创建了一个函数来自己制作数据集，并将其转换为Numpy数组，其代码为here。 但是，当我运行代码为here的模型时，损失函数在每个时期都存在，因为从第一个时期开始，损失为0，最后获得了100％的精度，所以我猜模型是没受过训练，但我不知道为什么。
[...]
Época 27 de 50 , perda: 0.0
Época 28 de 50 , perda: 0.0
Época 29 de 50 , perda: 0.0
Época 30 de 50 , perda: 0.0
Época 31 de 50 , perda: 0.0
Época 32 de 50 , perda: 0.0
Época 33 de 50 , perda: 0.0
Época 34 de 50 , perda: 0.0
Época 35 de 50 , perda: 0.0
Época 36 de 50 , perda: 0.0
Época 37 de 50 , perda: 0.0
Época 38 de 50 , perda: 0.0
Época 39 de 50 , perda: 0.0
Época 40 de 50 , perda: 0.0
Época 41 de 50 , perda: 0.0
Época 42 de 50 , perda: 0.0
Época 43 de 50 , perda: 0.0
Acurácia: 1.0
给定每个文件的值数量，该函数给出的数组的形状为（〜，1），与占位符的形状相同，我认为是这样。 这样，我问是否有人可以猜测模型上的训练步骤正在发生什么，为什么不进行训练，或者您是否发现我可以在代码的任何部分做得更好。 如果您对我在这里要做什么有任何疑问，请随时提问。