Ich versuche, die Titanic Kaggle-Wettbewerb mit Tensorflow versuchen.Verlust ist gleich 0 von Anfang an
sieht My vorverarbeitet Zugdaten wie folgt aus:
data_x:
PassengerId Pclass Sex Age SibSp Parch Ticket Fare Cabin \ Embarked
1 2 1 1 38.0 1 0 500 71.2833 104
2 3 3 1 26.0 0 0 334 7.9250 0
3 4 1 1 35.0 1 0 650 53.1000 130
4 5 3 0 35.0 0 0 638 8.0500 0
data_y:
Survived
0
1
1
1
0
A softmax Funktion sollte die Arbeit vorhersagen, ob ein Passagier überlebt oder nicht, da es binär, richtig machen?
Also hier ist, wie ich mein Modell zu bauen:
X = tf.placeholder(tf.float32, [None, data_x.shape[1]])
Y_ = tf.placeholder(tf.float32, [None, 1])
W = tf.Variable(tf.truncated_normal([10, 1]))
b = tf.Variable(tf.zeros([1]))
# Parameters
learning_rate = 0.001
#The model
Y = tf.matmul(X,W) + b
# Loss function
entropy = tf.nn.softmax_cross_entropy_with_logits(labels=Y_, logits=Y)
loss = tf.reduce_mean(entropy) # computes the mean over examples in the batch
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(loss)
acc = tf.equal(tf.argmax(Y_, 1), tf.argmax(Y, 1))
acc = tf.reduce_mean(tf.cast(acc, tf.float32))
tf.summary.scalar('loss', loss)
tf.summary.scalar('accuracy', acc)
merged_summary = tf.summary.merge_all()
init = tf.global_variables_initializer()
Und finallyn, die Ausbildung Teil:
with tf.Session() as sess:
sess.run(init)
writer = tf.summary.FileWriter("./graphs", sess.graph)
for i in range(1000):
_, l, summary = sess.run([optimizer, loss, merged_summary], feed_dict={X: data_x, Y_: data_y})
writer.add_summary(summary, i)
if i%100 == 0:
print (i)
print ("loss = ", l)
Aber Verlust ist gleich 0, da der erste Schritt ...
Hier ist Tensorboard Visualisierung:
Irgendeine Idee, was hier vor sich geht?
Danke für Ihre Antwort. Kannst du den Unterschied zwischen diesen beiden erklären? –
Sie können Erklärung in der Antwort für diese Frage finden: https://stackoverflow.com/questions/37312421/tensorflow-whats-the-difference-between-sparse-softmax-cross-entropy-with-logi –