Python Tensorflow中多项式回归训练的nan会话输出
我是Tensorflow的新手,正在学习这里给出的回归示例。具体地说,我正在第三个工作:“多项式回归.py” 我很好地遵循了线性回归的例子,现在转到多项式回归 但是,我想尝试替换另一组数据,而不是示例中的数据。我是通过交换来做到这一点的Python Tensorflow中多项式回归训练的nan会话输出,python,tensorflow,neural-network,non-linear-regression,Python,Tensorflow,Neural Network,Non Linear Regression,我是Tensorflow的新手,正在学习这里给出的回归示例。具体地说,我正在第三个工作:“多项式回归.py” 我很好地遵循了线性回归的例子,现在转到多项式回归 但是,我想尝试替换另一组数据,而不是示例中的数据。我是通过交换来做到这一点的 xs = np.asarray([3.3,4.4,5.5,6.71,6.93,4.168,9.779,6.182,7.59,2.167, 7.042,10.791,5.313,7.997,5.654,9.27,
xs = np.asarray([3.3,4.4,5.5,6.71,6.93,4.168,9.779,6.182,7.59,2.167,
7.042,10.791,5.313,7.997,5.654,9.27,3.1], dtype=np.float32)
ys = np.asarray([1.7,2.76,-2.09,3.19,1.9,1.573,3.366,2.596,2.53,1.221,
2.827,-3.465,1.65,-2.1004,2.42,2.94,1.3], dtype=np.float32)
n_observations = xs.shape[0]
为了
也就是说,第二个是示例中给出的,我想尝试使用新的xs、ys、n_观察运行相同的训练。这是我唯一改的台词。我还尝试将数组的数据类型更改为float64,但这并没有更改输出
我得到的输出(来自print(training\u cost)
只是一个重复的nan
。当我切换回原始数据时,网络运行良好,并生成拟合函数
谢谢你的建议。NAN可能是由许多事情引起的,通常是某种形式的数值不稳定。降低学习率或使用更稳定的优化器是值得尝试的好事情。NAN可能是由许多事情引起的,通常是某种形式的数值不稳定。降低学习率或使用更稳定的优化器是很好的选择想试试看。@AlexandrePassos-既然我们还没有从OP那里听到更多消息,你能把你的评论推广到一个答案吗?谢谢!
n_observations = 100
xs = np.linspace(-3, 3, n_observations)
ys = np.tan(xs) + np.random.uniform(-0.5, 0.5, n_observations)