tensorflow 准确率0.098问题

最新推荐文章于 2021-09-16 13:35:11 发布
原创 最新推荐文章于 2021-09-16 13:35:11 发布 · 1.8k 阅读 · 4 ·
CC 4.0 BY-SA版权
版权声明：本文为博主原创文章，遵循 CC 4.0 BY-SA 版权协议，转载请附上原文出处链接和本声明。

本文探讨了在TensorFlow中遇到损失函数值为0导致无法优化的情况，提供了有效的解决方案，通过调整交叉熵损失函数的计算方式，避免了数值稳定性问题。
部署运行你感兴趣的模型镜像

您可能感兴趣的与本文相关的镜像

TensorFlow-v2.15

TensorFlow-v2.15

TensorFlow

TensorFlow 是由Google Brain 团队开发的开源机器学习框架,广泛应用于深度学习研究和生产环境。 它提供了一个灵活的平台,用于构建和训练各种机器学习模型

TensorFlow 激活函数、损失函数、梯度下降
猫ER
11-26 1153
本章节主要讲有关神经网络的三个重要部分：激活函数、损失函数、梯度下降。
机器学习笔记 - TensorFlow2.0全卷积网络FCN图像分类
学以致用 知行合一
03-20 1254
基于TensorFlow2.0和全卷积网络FCN进行图像分类。 安装环境 1、首先安装tensorflow 2.0，参考：https://blog.csdn.net/bashendixie5/article/details/110260615 2、下载数据集，5种花朵分类雏菊、蒲公英、玫瑰、向日葵、郁金香 官方地址：https://www.tensorflow.org/datasets/catalog/tf_flowers
tensorflow 训练 MNIST 数字标签准确率只有0.098的解决办法
weixin_41718413的博客
09-23 1598
http://tensorfly.cn/tfdoc/tutorials/mnist_beginners.html 按照教程中代码梯度为0.01 原始：train_step = tf.train.GradientDescentOptimizer(0.01).minimize(cross_entropy) 结果：print(sess.run(accuracy, feed_dict={x: ...
加载tf模型 正确率很低_tensorflow修改模型输入
weixin_39873741的博客
11-24 216
CTR模型如果用estimator训练出来，直接导出为savedModel格式，上线时会有冗余计算，一般需要只计算模型的一个子图即可。假设有下面这样一个计算图：其中：a是一个placeholderb、d是一个variablec是一个tf.add节点out是一个tf.multiply节点一般情况下，我们保存了这个图，然后再加载，输入把a以feed_dict的形式传入参数就可以对图进行计算，现在的需求...
tensorflow (1)
doulinxi115413的博客
06-15 428
'''简单小例子''' import tensorflow as tf import numpy as np #create data x_data = np.random.rand(100).astype(np.float32) y_data = 0.1*x_data + 0.3 ###create tensorflow structure start### Weights = tf.Vari...
使用keras为什么accuracy一直为0_关于 TensorFlow 2.0 你需要了解的一切
weixin_39727976的博客
11-24 874
作者丨Thalles Silva译者丨良言2019 年 6 月 26 日，在 Sao Paulo 举行的 PAPIs.io LATAM 会议上，作为 Daitan 的代表，本文作者 Thalles Silva 举办了一个关于 TensorFlow(TF)2.0 的研讨会，并在会上探讨了一些关于 TF 2.0 的话题。研讨会的初衷是重点展示 2.0 版本同以往 1.x 版本的不同。本文回顾...
tensorflow训练常见问题1——accuracy=0
xiaotiig的博客
12-02 5764
这里写目录标题1问题三级目录2解决方法2.1激活函数用错了2.2数据没有预处理2.3损失函数用错了2.4学习率太大了2.5批次量太小了 1问题 16/739 […] - ETA: 5:53 - loss: 0.4488 - acc: 0.0000e+00 三级目录 2解决方法 2.1激活函数用错了 多分类要用softmax，不用sigmoid 2.2数据没有预处理 比如分类的时候，需要把结果数据 转换为0，1，2形式 比如下面在语义分割的时候，需要先检查数据， 把像素值先做归一化 检查数据：大小，通道，值的
【tensorflow】Cifar10卷积神经网络实时训练过程
W_LAILAI的博客
04-01 1040
执行环境，可能出现 AttributeError: module 'tensorflow.python.ops.image_ops' has no attribute 'per_image_whitening' 需要将cifar10_input.py 的182行改为per_image_whitening 改为 per_image_standardization ...
Dropout失效的问题(已解决,代码及解决方案在最后)
zhuputi1026的博客
09-16 1388
Dropout失效的问题 用tensorflow写了一个CNN如下,可以是为什么在全连接层加入dropout后,准确率一直保持非常低且不变呢,有没有哪位大神帮我看看问题呀. """********************卷积神经网络********************""" import tensorflow as tf from tensorflow.examples.tutorials.mnist import input_data tf.compat.v1.disable_eager_exec
第二阶段-tensorflow程序图文详解（八）Debugging TensorFlow Programs
凡难事必作于细的博客
12-27 2165
TensorFlow debugger (tfdbg) is a specialized debugger for TensorFlow. It lets you view the internal structure and states of running TensorFlow graphs during training and inference, which is difficult t
Tensorflow池化
chery的博客
03-22 1158
Tensorflow最大池化 Tensorflow提供tf.nn.max_pool()函数用于对卷积层实现最大池化 conv_layer = tf.nn.conv2d(input, weight, strides=[1, 2, 2, 1], padding='SAME') conv_layer = tf.nn.bias_add(conv_layer, bias) conv_layer =...
TensorFlow中用于评估模型在训练集和测试集上的准确度的几个常用函数说明
热门推荐
Never-Giveup的博客
07-23 1万+
1. tf.argmax() | tf.argmin() tf.argmax(input=tensor,dimention=axis) 找到给定的张量tensor中在指定轴axis上的最大值/最小值的位置。 a=tf.get_variable(name='a', shape=[3,4], dtype=tf.float3...
TensorFlow 最大池化
ncst
07-10 4742
TensorFlow 最大池化 由 Aphex34 (自己的作品) CC BY-SA 4.0， 通过 Wikimedia Commons 共享 这是一个最大池化的例子max pooling 用了 2x2 的滤波器 stride 为 2。四个 2
python module 'tensorflow._api.v2.compat.v1.train' has no attribute 'SummaryWriter'
最新发布
11-30
<think> 首先，理解用户的问题：用户遇到了Python中TensorFlow的错误，具体是`tensorflow._api.v2.compat.v1.train`模块没有`SummaryWriter`属性。用户提供了几个引用，但这些都是关于其他类似错误（如`import_meta_graph`和`Optimizer`）的解决方案。 从用户描述看，错误是：`AttributeError: module 'tensorflow._api.v2.compat.v1.train' has no attribute 'SummaryWriter'`。这发生在使用TensorFlow的兼容层时。 关键点： - 用户使用了TensorFlow 2.x版本。 - `tf.compat.v1`是为了向后兼容TensorFlow 1.x代码。 - `SummaryWriter`是TensorFlow 1.x中用于TensorBoard的工具，通常在`tf.summary.FileWriter`中，但在TensorFlow 2.x中，API有所变化。 在TensorFlow 2.x中，推荐使用`tf.summary.create_file_writer`或其他新的API，而不是直接使用`tf.train.SummaryWriter`（这在TensorFlow 1.x中已存在）。 在TensorFlow 1.x中，`SummaryWriter`通常是`tf.summary.FileWriter`。但在TensorFlow 2.x的兼容层，它可能被重命名或弃用了。 回想TensorFlow API： - TensorFlow 1.x: `import tensorflow as tf` then `tf.summary.FileWriter` for writing summaries to TensorBoard. - TensorFlow 2.x: `tf.summary.create_file_writer` is the new way. 在`tf.compat.v1.train`中，可能没有直接暴露`SummaryWriter`，因为它不是训练相关的核心API。`SummaryWriter`更属于`tf.summary`模块。 用户的具体错误是`tensorflow._api.v2.compat.v1.train`没有`SummaryWriter`属性。这表明用户可能尝试了类似`tf.compat.v1.train.SummaryWriter`的调用，但这不是正确的。 解决方案： 1. **使用TensorFlow 2.x的新API：** 推荐使用`tf.summary.create_file_writer`来创建写入器。 2. **降级到TensorFlow 1.x：** 如果用户坚持使用旧代码，可以降级TensorFlow版本。 3. **正确导入：** 确保使用`tf.compat.v1.summary.FileWriter`而不是`tf.compat.v1.train.SummaryWriter`，因为`SummaryWriter`不是`train`模块的一部分。 在TensorFlow 1.x中，它是`tf.summary.FileWriter`，在兼容层中，应该是`tf.compat.v1.summary.FileWriter`。 用户提到`tensorflow._api.v2.compat.v1.train`，这可能是内部的，但用户应该使用公开的API。 从用户提供的引用中： - 引用[1]建议使用`import tensorflow.compat.v1 as tf` and `tf.disable_v2_behavior()`，这可以启用兼容模式。 - 引用[2]建议降级到TensorFlow 1.14。 - 引用[3]是关于`NewCheckpointReader`，但类似。 对于`SummaryWriter`，在兼容模式下，应该使用`tf.compat.v1.summary.FileWriter`。 步骤来解决： 1. 检查TensorFlow版本：运行`import tensorflow as tf; print(tf.__version__)`。 2. 如果使用TensorFlow 2.x，并需要兼容： - 使用`tf.compat.v1.summary.FileWriter`。 - 或者迁移到新API。 3. 如果坚持使用旧代码，降级TensorFlow。 在回答中： - 结构清晰：逐步解释。 - 使用中文。 - 添加引用标识，但用户提供的引用是针对其他问题的，所以谨慎使用。 - 生成相关问题。 - 遵循系统指令：行内数学表达式用$...$，独立公式用$$...$$，但这里可能不需要数学公式。 - 确保LaTeX语法正确。 回答结构： 1. **问题分析：** 解释错误原因。 2. **解决方案：** - 选项1: 使用兼容API正确。 - 选项2: 迁移到TensorFlow 2.x新API。 - 选项3: 降级TensorFlow版本。 3. **代码示例：** 提供如何修复的代码。 4. **相关问题：** 生成相关问题。 生成相关问题： - 关于TensorFlow API变化的问题。 - 其他常见TensorFlow错误。 - TensorBoard使用。 最后，添加引用标识。用户提供了引用[1][2][3]，但它们是针对不同错误的，所以如果需要，可以类似引用。 例如，在讨论兼容模式时，可以引用[^1]。 完整回答： </think> ### TensorFlow模块'tensorflow._api.v2.compat.v1.train'缺少'SummaryWriter'属性的解决方案 您遇到的错误`AttributeError: module 'tensorflow._api.v2.compat.v1.train' has no attribute 'SummaryWriter'`是由于TensorFlow 2.x版本中API变化引起的。在TensorFlow 1.x中，`SummaryWriter`（通常通过`tf.summary.FileWriter`实现）用于TensorBoard日志写入，但在TensorFlow 2.x中，该API已被重构。`tf.compat.v1.train`模块本身不包含`SummaryWriter`属性，因为它属于`tf.summary`命名空间。以下是逐步解决方案： #### 步骤1: 理解错误原因 - TensorFlow 2.x移除了TensorFlow 1.x的部分API，包括直接通过`tf.train.SummaryWriter`的调用。 - 在兼容模式（`tf.compat.v1`）下，`SummaryWriter`的正确位置是`tf.compat.v1.summary.FileWriter`，而非`tf.compat.v1.train`。 - 您的代码可能使用了类似以下错误调用： ```python # 错误写法：尝试从train模块调用SummaryWriter writer = tf.compat.v1.train.SummaryWriter(log_dir) # 触发AttributeError ``` #### 步骤2: 推荐解决方案 ##### 方案1: 使用兼容模式API（推荐） 在TensorFlow 2.x中，通过`tf.compat.v1.summary.FileWriter`替代`SummaryWriter`。这是最直接的方法： ```python import tensorflow.compat.v1 as tf tf.disable_v2_behavior() # 禁用TF2行为，启用兼容模式[^1] # 正确写法：使用tf.compat.v1.summary.FileWriter log_dir = "logs/" # 指定日志目录 writer = tf.compat.v1.summary.FileWriter(log_dir, tf.compat.v1.get_default_graph()) writer.add_summary(...) # 添加摘要数据 writer.close() ``` - **优点**：无需降级TensorFlow版本，兼容现有代码。 - **注意**：确保在代码开头调用`tf.disable_v2_behavior()`以启用完整的TensorFlow 1.x兼容模式。 ##### 方案2: 迁移到TensorFlow 2.x新API TensorFlow 2.x推荐使用新的`tf.summary` API，更简洁高效： ```python import tensorflow as tf # 创建文件写入器 log_dir = "logs/" writer = tf.summary.create_file_writer(log_dir) # 写入摘要数据 with writer.as_default(): tf.summary.scalar("loss", loss_value, step=epoch) writer.flush() ``` - **优点**：符合TensorFlow 2.x最佳实践，性能更好。 - **适用场景**：新项目或代码重构时。 ##### 方案3: 降级TensorFlow版本 如果依赖旧代码库，无法修改API调用，可降级到TensorFlow 1.x： ```bash pip uninstall tensorflow # 卸载当前版本 pip install tensorflow==1.15 # 安装TF 1.15（稳定版本） ``` 之后使用原始TensorFlow 1.x语法： ```python import tensorflow as tf writer = tf.summary.FileWriter(log_dir) # 直接调用，无错误[^2] ``` - **优点**：完全兼容旧代码。 - **缺点**：放弃TensorFlow 2.x的新特性，可能影响长期维护。 #### 步骤3: 验证修复 - 运行以下检查脚本确认修复： ```python import tensorflow as tf print("TensorFlow版本:", tf.__version__) if tf.__version__.startswith('1.'): writer = tf.summary.FileWriter("logs/") print("FileWriter创建成功（TF1.x模式）") else: try: tf.compat.v1.disable_v2_behavior() writer = tf.compat.v1.summary.FileWriter("logs/") print("FileWriter创建成功（TF2兼容模式）") except Exception as e: print("错误:", e) ``` ### 常见问题解答 - **为什么`tf.compat.v1.train`没有`SummaryWriter`？** 在TensorFlow的设计中，日志写入API属于`tf.summary`模块，而非`tf.train`。后者专注于优化器（如`AdamOptimizer`）等训练组件。 - **TensorBoard如何配合使用？** 修复后，运行`tensorboard --logdir=logs/`即可正常可视化日志。 如果上述方案仍无效，请提供更多代码片段以便进一步诊断[^3]。
评论 1
成就一亿技术人!
拼手气红包6.0元
还能输入1000个字符
 
红包 添加红包
表情包 插入表情
表情包 代码片
 条评论被折叠 查看
添加红包

请填写红包祝福语或标题

个

红包个数最小为10个

元

红包金额最低5元

当前余额3.43元 前往充值 >
需支付：10.00元
成就一亿技术人!
领取后你会自动成为博主和红包主的粉丝 规则
hope_wisdom
发出的红包
实付元
使用余额支付
点击重新获取
扫码支付
钱包余额 0

抵扣说明：

1.余额是钱包充值的虚拟货币，按照1:1的比例进行支付金额的抵扣。
2.余额无法直接购买下载，可以购买VIP、付费专栏及课程。

余额充值