エラートレーニングCifar-10モデルTensorflow - 精度は0で、最適化されず、損失は報告されません。

Question

現在、モデルをトレーニングしてcifar-10データセットを分類しようとしています。私はこのようなデータを読む：

def convert_images(raw): 
raw_float = np.array(raw, dtype = float) 
images = raw_float.reshape([-1,3,32,32]) 
images = images.transpose([0,2,3,1]) 
return images 

def load_data(filename): 
data = unpickle(filename) 
raw_images = data[b'data'] 
labels = np.array(data[b'labels']) 
images = convert_images(raw_images) 
return images, labels 

def load_training_data(): 
images = np.zeros(shape=[50000,32,32,3], dtype = float) 
labels = np.zeros(shape = [50000], dtype = int) 
begin = 0 
for i in range(5): 
    filename = "data_batch_" + str(i+1) 
    images_batch, labels_batch = load_data(filename) 
    num_images = len(images_batch) 
    end = begin + num_images 
    images[begin:end, :] = images_batch 
    labels[begin:end] = labels_batch 
    begin = end 
    return images, labels, OneHotEncoder(categorical_features=labels, n_values=10) 

これはありませんが、それはピクセルとRGB色の32x32x3値を持つ4D配列になるようにデータを再構築です。私はこのように私のモデルは（4D配列は、エラーを作成するので、私は最初の行ベクトルであることをXを再形成）を定義：

X = tf.placeholder(tf.float32, [None,32,32,3]) 
Y_labeled = tf.placeholder(tf.int32, [None]) 
data = load_training_data() 

with tf.name_scope('dnn'): 
    XX = tf.reshape(X, [-1,3072]) 
    hidden1 = tf.layers.dense(XX, 300, name = 'hidden1', activation = tf.nn.relu) 
    hidden2 = tf.layers.dense(hidden1, 200, name = 'hidden2', activation = tf.nn.relu) 
    hidden3 = tf.layers.dense(hidden2, 200, name = 'hidden3', activation = tf.nn.relu) 
    hidden4 = tf.layers.dense(hidden3, 100, name = 'hidden4', activation = tf.nn.relu) 
    logits = tf.layers.dense(hidden4, 10, name = 'outputs') 

with tf.name_scope('loss'): 
    cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(labels = (Y_labeled), logits = logits) 
    loss = tf.reduce_mean(cross_entropy, name = 'loss') 

learning_rate = 0.01 

with tf.name_scope('train'): 
    optimizer = tf.train.GradientDescentOptimizer(learning_rate) 
    training_op = optimizer.minimize(loss) 

with tf.name_scope('eval'): 
    correct = tf.nn.in_top_k(logits,Y_labeled, 1) 
    accuracy = tf.reduce_mean(tf.cast(correct, tf.float32)) 

init = tf.global_variables_initializer() 

batch_size = 100 
n_epochs = 50 

with tf.Session() as sess: 
init.run() 
for epoch in range(n_epochs): 
    for iteration in range(50000 // batch_size): 
     X_batch = data[0][iteration*batch_size:(iteration+1)*batch_size] 
     y_batch = data[1][iteration*batch_size:(iteration+1)*batch_size] 
     #X_batch, y_batch = data.train.next_batch(batch_size) 
     sess.run(training_op, feed_dict = {X: X_batch,Y_labeled: y_batch}) 
    acc_train = accuracy.eval(feed_dict = {X: X_batch,Y_labeled: y_batch}) 
    print(epoch, "train accuracy:", acc_train, "loss", loss) 

は、私は4つの隠された層を有する単純なモデルを定義したいです。私がこれを実行すると、エラーなしでコンパイルされ、 "トレーニング"が開始されますが、精度は0.0で、損失は表示されません。私は誤差が精度と損失の計算にあるのか、私のモデルの定義にあるのかは分かりません。

Answer 1

ラベルの送り方に問題があるようです。 placholder Y_labeled = tf.placeholder(tf.int32, [None, 10])を作成すると次元10のベクトルのように見えますが、後でラベルnumpyテンソルlabels = np.zeros(shape = [50000], dtype = int)を作成するとスカラーと思われます。あなたはこのエラーを持っている理由

これは、プレースホルダは次元(batch_size, 10)のテンソルを供給する必要がありますが、私は私がy_labeledどう定義するか変更して、私のエラーを修正するために管理(batch_size, 0)