Tensorflow基本泰坦尼克號示例：精度卡住

我試圖教導我自己的tensorflow。我決定使用tf.layers，tf.train或keras來實施張量流中的臭名昭着的kaggle泰坦尼克挑戰，沒有。我使用的可能是一個超大號的網絡。我的問題是，我似乎無法正確計算準確度。Tensorflow基本泰坦尼克號示例：精度卡住

在我的例子中，Y是我最後一層（寬度爲1）的輸出。 Y_是該訓練示例的標籤。所以，當我計算精度，我計算它爲：

Y_int = tf.cast(Y_, tf.int64) 
is_correct = tf.equal(tf.argmax(Y,1),Y_int) 

accuracy = tf.reduce_mean(tf.cast(is_correct,tf.float32))

我運行它每500次迭代： A，C = sess.run（[精度，XE]，feed_dict = TEST_DATA）

十字熵減少「很好」 - 有很大的改進空間，但它確實會改變迭代的迭代過程。準確度，雖然是頑固堅持（這是第一個值）：

ITER：0

0.606742 72.3839

ITER：500

0.606742 42.3199

ITER：1000

.....

iter：18500

0.606742 38.2022

ITER：19000

0.606742 38.4258

ITER：19500

0.606742 37.9204

編輯：完整的Python文件： https://github.com/mrx80/so/blob/master/titanic_nn.py

來源

2017-09-02 Madhu

您能給出Y和Y_的實際值嗎？ –

在這裏你去：0.651685 32.1792 Ÿ:: [-9.14530421e-04] [1.29497278e + 00] [-9.14530421e-04] [1.02632809e + 00] [3.94688576e-01] [ 9.22473788e-01] [-9.14530421e-04] [-9.14530421e-04] [1.29656982e + 00] [1.06453359e + 00]] Y_：[[0] [1] [0 ] [1] [1] [1] [0] [0] [1] [1]] – Madhu

好的，我想到了，這要感謝天津的提示。在檢查Y和Y_的等式之前，我進行了四捨五入：

Y_int = tf.cast(Y, tf.float32) 
is_correct = tf.equal(tf.round(Y_int),Y_)

來源

2017-09-02 08:00:52 Madhu

甚至更好：is_correct = tf.equal（TF .round（Y），Y_） – Madhu

Tensorflow基本泰坦尼克號示例：精度卡住

回答

相關問題