Python 使用tensorflow层，未训练模型

我以前在Theano上使用过keras，现在想用tensorflow风格编写代码，这对我来说是新的。我试着编写一个非常简单的模型（我在keras上实现了这个模型，它成功了），但培训过程似乎不起作用。无论我经历了多少个时代，模型总是做出相同的预测，这表明模型在训练过程中根本没有更新。我想我一定是误会了什么，犯了一个愚蠢的错误，但找不到它在哪里

我确信输入的数据和标签是正确的，因为我以前使用过它们。输入数据training_Input[0]和training_Input[1]分别是2D numpy数组。标签是一个具有4个维度的热标签

def model_1(features, labels):
    hl_input = features['hl_input']
    bd_input = features['bd_input']
    encoder = tf.concat([hl_input, bd_input], axis=1)

    encoder = tf.layers.dense(encoder, 128, activation=tf.nn.relu)
    decoder = tf.layers.dense(encoder, 64)
    logits = tf.layers.dense(decoder, 4, activation=tf.nn.softmax)
    predictions = tf.argmax(logits, 1, name="predictions")

    loss = tf.losses.softmax_cross_entropy(onehot_labels=labels, logits=logits)
    train_op = tf.contrib.layers.optimize_loss(loss, tf.contrib.framework.get_global_step(), optimizer='Adam',
                                           learning_rate=0.1)
    predictions = {"classes": predictions, "probabilities": logits}

    return predictions, loss, train_op
... ...
classifier = tf.contrib.learn.Estimator(model_fn=model_1)
classifier.fit(x={'hl_input':training_input[0], 'bd_input':training_input[1]}, y=training_labels, batch_size=batch_size, steps=steps)

---

您在最后一层上应用了两次

softmax

激活。

tf.loss.softmax\u cross\u entropy

函数在内部应用

softmax

，因此通过设置

activation=None

删除

logits上的激活
 谢谢，这确实是一个错误，我纠正了它。然而，这并不是模型根本不起作用的原因。经过修正后，它仍然存在问题。我还打印了预测，对于任何输入，输出（logits）都是完全相同的。出于某种原因，要么输入数据没有正确迭代，要么模型存在严重偏差。我会调查的。我只能在那里显示的代码中找到一个bug。Logits被作为输入传递，我猜不出它的类型是问题。好的，最后我找到了我的问题。我使用numpy数组作为一个热向量，而不是张量。所以我需要添加一行
labels=tf.cast（labels，tf.int32）
。希望我的错误能帮助别人。