Deep learning 训练准确度不低于'；增加ModelNet40数据集的PointNet Tensorflow 2.0实现

我使用tensorflow 2.0重新实现了pointnet，并尝试使用modelnet40数据对模型进行分类训练。训练损失会随着apoch的增加而减少，但精度不会改变，无论我是否使用数据增强。谁能帮我检查一下我的模型有什么问题吗？我写的一些图层错了吗

对于模型：

训练模型：pytho Train.py

以下是培训过程： 第5纪元的训练精度：0.05779597163203784 第5纪元的验证精度：0.04608013108372688

第6纪元的训练精度：0.05832040682435036 第6纪元的验证精度：0.04566596820950508

第7纪元的训练精度：0.05819009244441986 第7纪元的验证精度：0.04468472674489021

第8纪元的训练精度：0.0589370160687455177 第8纪元的验证精度：0.046150218695402145

第9纪元的训练精度：0.0599127858877182 第9纪元的验证精度：0.04491410776972771

第10纪元的训练精度：0.06009077653288841 第10纪元的验证精度：0.046672698110342026

第28纪元的训练精度：0.0635835943451 第28纪元的验证精度：0.0468065038728218

第29纪元的训练精度：0.06306575238704681 第29纪元的验证精度：0.04655800759792328

历元30时的训练精度：0.0629672250929331 第30纪元的验证精度：0.04646880552172661

第31纪元的训练精度：0.06284327059984207 第31纪元的验证精度：0.0456850863931679

第32纪元的训练精度：0.06370460987091064 第32纪元的验证精度：0.046411458402872086

历元33时的训练精度：0.063043504953844 第33纪元的验证精度：0.04663446918129921

第34纪元的训练精度：0.0633549913764 第34纪元的验证精度：0.04697216674685478

第36纪元的训练精度：0.063097536387329 第36纪元的验证精度：0.04523269459605217

第37纪元的训练精度：0.06364422291517258 第37纪元的验证精度：0.04645606130361557

第38纪元的训练精度：0.06378089636564255 第38纪元的验证精度：0.04643694683909416

第39纪元的训练精度：0.06462635099887848 第39纪元的验证精度：0.045532163232564926

第40纪元的训练精度：0.063810192346573 第40纪元的验证精度：0.04674915969371796

第41纪元的训练精度：0.06361879408359528 第41纪元的验证精度：0.0461247339847037

第42纪元的训练精度：0.06479480117559433

---

epoch 42:0.0459526963531971的验证精度经过两天的调试，我终于找到并修复了这个错误

在数据集映射函数中，我使用tf.one_hot生成标签。对于ModelNet40数据集，有40个类别，因此给定一个标签tf.one_hot将表示向量wit大小[40]。然而，tf.one_hot生成了[1,40]的二维张量。在dataset.map之后，标签张量为[batch_size，1,40]。但模型输出为[batch，40]，这使得精度度量计算错误

因此，我使用tf.squence来制作标签张量[batch_size，40]