Python 基于张量流的卷积神经网络

我正在使用Tensorflow构建一个CNN模型，不使用任何前端API，比如Keras。我正在创建一个VGG-16模型，使用预先训练好的权重，并希望微调最后一层以满足我的目的

按照这里的教程， 我重新创建了培训脚本，并根据我的要求进行了修改。但是，我的培训没有发生，培训准确率停留在50.00%，验证准确率正在形成重复数字的模式。 附加的是相同的截图

我已经在这上面呆了好几天了，似乎找不到错误。感谢您的帮助

---

代码相当长，因此这里是相同的

交叉熵是错误的，您正在将您的logits与您的logits的softmax进行比较

这：

应该是：

cross_entropy = tf.nn.softmax_cross_entropy_with_logits(logits=layer_fc2,
                                                    labels=y_true)

---

有些事情需要注意。我不会在某个数据点上进行训练，然后在同一个数据点上进行评估。这样做可能会使你的训练准确性产生偏差。需要注意的另一点是

tf.argmax（tf.softmax（logits））

与

tf.argmax（logits）

感谢您的回复。我做了你在

cross\u entropy

中建议的更改。但训练准确率仍停留在50.00%，验证acc形成了一个重复的模式。我的代码中还有其他错误吗？请看一下@thomas Pinetz在这种情况下，我所做的是查看模型的输入和输出。如果这些测试的输出与训练的精度相匹配，我将查看梯度。它们是0还是什么可怕的东西？我想看看损失函数。我很难在这么长的代码中发现错误，但却无法运行它。我也看过TensorBoard图。这些层似乎没有连接。在代码中，1的输出层是另一个的输入层。但是，尚未建立连接。你能解释一下吗？

cross_entropy = tf.nn.softmax_cross_entropy_with_logits(logits=layer_fc2,
                                                    labels=y_true)