TensorFlow에 대해 다음 코드를 실행 중이며 모든 확률은 NaN
이고 모든 예측은 0
입니다. 그러나 정확도는 작동합니다. 이 디버깅하는 방법을 모르겠습니다. 모든 도움을 주시면 감사하겠습니다.Tensor Flow 모든 예측은 0입니다.
x = tf.placeholder("float", shape=[None, 22])
W = tf.Variable(tf.zeros([22, 5]))
y = tf.nn.softmax(tf.matmul(x, W))
y_ = tf.placeholder(tf.float32, [None, 5])
cross_entropy = tf.reduce_mean(-tf.reduce_sum(y_ * tf.log(y), reduction_indices=[1]))
#cross_entropy = -tf.reduce_sum(tf_softmax_correct*tf.log(tf_softmax + 1e-50))
train_step = tf.train.GradientDescentOptimizer(0.5).minimize(cross_entropy)
init = tf.initialize_all_variables()
sess = tf.Session()
sess.run(init)
for i in range(100):
batch_xs, batch_ys = random.sample(allTrainingArray,100), random.sample(allTrainingSkillsArray,100)
sess.run(train_step, feed_dict={x: batch_xs, y_: batch_ys})
#test on itself
correct_prediction = tf.equal(tf.argmax(y,1), tf.argmax(y_,1))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
print "accuracy", sess.run(accuracy, feed_dict={x: batch_xs, y_: batch_ys})
probabilities = y
print "probabilities", probabilities.eval(feed_dict={x: allTrainingArray}, session=sess)
prediction=tf.argmax(y,1)
print "predictions", prediction.eval(feed_dict={x: allTrainingArray}, session = sess)
@rrao 나는 여러분의 제안을 모두 포함했지만, 여전히 운이 없다 :/나는 디버깅을했는데 훈련 단계가 끝나면 가중치가 모두 NaN이어서 미래의 계산이 엉망이된다. 트레이닝 단계를 실행 한 후에 가중치가 NaN으로 바뀌는 원인이 무엇인지 생각해보십시오. –
아마도 학습 속도를 줄이려고합니다. – natschz
첫 번째 시도 :/행운. 나는 이것이 무엇인지 전혀 모른다. 데이터가 될 수 있을까요? 내가 가지고있는 것은 allTrainingArray에서 22 개의 다른 속성을 가진 283 개의 플레이어 행이며 [0,0,0,0,1] (또는 그 중 어느 위치에서나 1)을 가진 283 명의 플레이어와 일치하며 어떤 종류의 플레이어인지 나타냅니다 . TF 데이터 예제를보고 데이터 배열을 만들었으므로 문제가 될 것이라고 생각하지 않았습니다. –