以前はテーラーの上にケラスを使用していましたが、今は私には新しいテンソルフロースタイルでコードを書いてみたいです。非常にシンプルなモデルを作成しようとしましたが(これはケラスで実装されており、機能しました)、トレーニングプロセスはうまくいかないようです。どんなに多くのエポックになっても、モデルは常に同じ予測を行います。モデルはトレーニングプロセスではまったく更新されません。私は何か誤解して馬鹿げたミスを犯さなければならないと思うが、どこにいるのか分からないと思う。テンソルフローレイヤーの使用、訓練されていないモデル
入力データとラベルが正しいことは確かです入力データtraining_input [0]とtraining_input [1]は、それぞれ2D numpy配列です。ラベルは4次元でワンホットです。
def model_1(features, labels):
hl_input = features['hl_input']
bd_input = features['bd_input']
encoder = tf.concat([hl_input, bd_input], axis=1)
encoder = tf.layers.dense(encoder, 128, activation=tf.nn.relu)
decoder = tf.layers.dense(encoder, 64)
logits = tf.layers.dense(decoder, 4, activation=tf.nn.softmax)
predictions = tf.argmax(logits, 1, name="predictions")
loss = tf.losses.softmax_cross_entropy(onehot_labels=labels, logits=logits)
train_op = tf.contrib.layers.optimize_loss(loss, tf.contrib.framework.get_global_step(), optimizer='Adam',
learning_rate=0.1)
predictions = {"classes": predictions, "probabilities": logits}
return predictions, loss, train_op
... ...
classifier = tf.contrib.learn.Estimator(model_fn=model_1)
classifier.fit(x={'hl_input':training_input[0], 'bd_input':training_input[1]}, y=training_labels, batch_size=batch_size, steps=steps)
最後に問題が見つかりました。私は、テンソルの代わりに1つのホットベクトルとしてnumpy配列を使用しました。ですから、 'labels = tf.cast(labels、tf.int32)'という行を追加する必要があります。うまくいけば私の間違いを表示すると、他の人を助けることができる – ymeng