问题描述
仅出于教育目的,我试图在 TensorFlow 主页上的 Basic training loops 教程的基础上创建一个简单的神经网络,用于对平面中的点进行分类。
因此,我将 [0,1]x[0,1]
中的一些点存储在形状为 x
的张量 (250,2,1)
中,并将相应的标签 (1. or 0.)
存储在 y
的张量中形状 (250,1,1)
。那我做
import tensorflow as tf
w0 = tf.Variable(tf.random.normal([4,2]),name = 'w0')
w1 = tf.Variable(tf.random.normal([1,4]),name = 'w1')
b1 = tf.Variable(tf.zeros([4,1]),name = 'b1')
b2 = tf.Variable(tf.zeros([1,name = 'b2')
loss = tf.keras.losses.CategoricalCrossentropy()
def forward(x):
x0 = x
z1 = tf.matmul(w0,x0) + b1
x1 = tf.nn.relu(z1)
z2 = tf.matmul(w1,x1) + b2
x2 = tf.nn.sigmoid(z2)
return x2
with tf.GradientTape() as t:
current_loss = loss(y,forward(x))
gradients = t.gradient(current_loss,[b1,b2,w0,w1])
我得到的是预期形状的张量列表,但只包含零。有人给点建议吗?
解决方法
出现问题是因为标签/预测没有预期的形状。特别是,损失函数 tf.keras.losses.CategoricalCrossentropy 期望以单热表示提供标签,但您的标签和预测具有形状 (250,1,1)
,并且在这种情况下损失函数的行为不清楚。改用 tf.keras.losses.BinaryCrossentropy
应该可以解决问题。