为什么我在张量流中的损失和准确性都为零答案

【问题标题】：Why I am getting zeros in both loss and accuracy in tensorflow为什么我在张量流中的损失和准确性都为零
【发布时间】：2021-08-12 17:09:06
【问题描述】：

在为分类问题构建张量流模型时，准确率和损失均获得零。

我在这里发布了一个示例时代：

model=Sequential()
model.add(Dense(100,input_dim=X_train.shape[1],activation='sigmoid'))
model.add(Dense(100))
model.add(Dense(1,activation='softmax'))
model.compile(loss='categorical_crossentropy',metrics=['accuracy'],
                                              optimizer='rmsprop')
model.fit(X_train,y_train,epochs=5,verbose=1)

Epoch 2/5
33/33 [==============================] - 1s 41ms/step - loss: 0.0000e+00 - accuracy: 0.0000e+00

【问题讨论】：

你能显示 y_train.shape
# y_train.shape=(1043,) and X_train.shape is (1043, 22195)
@Netim 谢谢，我试过了，但没有任何改变
问题可能来自您使用的最后一层的激活函数。 AS Softmax 输出概率，因此要么切换到 sigmoid 和 binary_crossentropy 作为损失，要么将输出形状修改为 2，如果您决定使用大小为 2 的 Dense 层进行预测，则需要修改 y_true 形状（我删除了我的最后一条评论因为我想念你的代码）
谢谢@Netim，但它不适用于 binary_crossentropy 和 sigmoid .. 我必须对 4 个值进行分类，所以我使用了 softmax

标签： python tensorflow machine-learning keras neural-network

【解决方案1】：

您应该执行以下操作：

检查 Y 的唯一值的数量。这是您的目标类的数量。据我了解，您有 4 个独特的课程。现在您将设置唯一类的数量作为最后一个输出层中的单位以及softmax 激活，因为问题是多类而不是多标签。

model.add(Dense(4,activation='softmax'))

现在，如果您的 Y 形状为 ( _ , )，则表示 Y 是一个向量，每个类都由一个整数表示，因此是稀疏的。在这种情况下，您将损失更改为 SparseCategoricalCrossentropy，之后这将是最终代码。

model=Sequential()
model.add(Dense(100,input_dim=X_train.shape[1],activation='sigmoid'))
model.add(Dense(100))
model.add(Dense(4, activation='softmax'))

model.compile(loss=tf.keras.losses.SparseCategoricalCrossentropy(),
               metrics=['accuracy'],
              optimizer='rmsprop')

model.fit(X_train,y_train,epochs=5,verbose=1)

【讨论】：

array([[3.91234457e-01, 3.96843821e-01, 3.91917937e-02, 3.77120264e-02, 1.35017902e-01], [1.50013832e-07, 4.60939949-49. e-01, 1.93847320e-08, 4.24148688e-10], [1.34745468e-08, 1.16067994e-07, 9.99999881e-01, 1.64661831e-08, 3.86613380e-11],..... 出现错误像这样在使用一种热编码后，损失和准确性得到了修复，但是在评估时我得到了这个.....即 model.predict(X_test)
@seerammoui 这些不是错误，而是概率。对于第一个示例，即[3.91234457e-01, 3.96843821e-01, 3.91917937e-02, 3.77120264e-02, 1.35017902e-01]，这大致等于[0.391, 0.396, 0.039, 0.037, 0.135]。这表示预测属于第 0 类的概率是 0.39，第 1 类是 0.39，第 2 类是 0.039，第 3 类是 0.037，第 4 类是 0.135。