我有一个神经网络，该网络具有两个分别包含6个节点的隐藏层，并具有11个节点的输入和一个输出（二进制分类）：
L1 = tf.nn.sigmoid(tf.matmul(X, W1) + b1)
L2 = tf.nn.sigmoid(tf.matmul(L1, W2) + b2)
hy = tf.nn.sigmoid(tf.matmul(L2, W3) + b3)
我的成本函数定义如下，其中y是占位符：
cost = tf.reduce_mean(-Y * tf.log(hy) - (1 - Y) * tf.log(1 - hy))
我的优化器：
optimizer = tf.train.RMSPropOptimizer(learning_rate).minimize(cost)
似乎一切定义都很好，但是当我在会话中运行它时，成本函数仍然没有价值。
我的会话：
sess.run(optimizer, feed_dict={X: X_train, Y: y_train})
答案 0 :(得分：1)
在优化程序上调用 sess.run （您正在做什么），预期会得到 None ，因为此操作不会产生任何值，而是适用于最小化成本函数的值，换句话说，对其进行优化。
为了打印成本，您的代码应为：
sess.run([optimizer, cost], feed_dict={X: X_train, Y: y_train})[1]