Python/Tensorflow-所有精度值为“0”是否正常；1“；在这种情况下？

我有以下二进制文件，其中包括标签、文件名和数据（即像素）：

当我运行该程序时，我得到了以下5个阶段：

EPOCH 0
0 1.0
1 1.0
2 0.0
3 0.0
4 0.0
5 1.0
6 0.0
7 0.0
8 0.0
9 0.0
10 0.0
11 1.0
12 1.0
13 0.0
14 0.0
15 0.0
16 1.0
17 0.0
18 0.0
19 0.0
20 1.0
21 1.0
22 0.0
23 1.0
24 0.0
25 1.0
26 0.0
27 0.0
28 0.0
29 1.0
DONE WITH EPOCH
EPOCH 1
0 0.0
1 1.0
2 1.0
3 1.0
4 0.0
5 0.0
6 1.0
7 1.0
8 0.0
9 0.0
10 1.0
11 1.0
12 1.0
13 0.0
14 1.0
15 1.0
16 1.0
17 0.0
18 0.0
19 1.0
20 1.0
21 0.0
22 0.0
23 1.0
24 1.0
25 1.0
26 0.0
27 0.0
28 0.0
29 1.0
DONE WITH EPOCH
EPOCH 2
0 0.0
1 0.0
2 0.0
3 1.0
4 1.0
5 0.0
6 1.0
7 0.0
8 1.0
9 0.0
10 1.0
11 0.0
12 0.0
13 0.0
14 1.0
15 1.0
16 0.0
17 0.0
18 1.0
19 1.0
20 0.0
21 0.0
22 1.0
23 1.0
24 1.0
25 0.0
26 1.0
27 1.0
28 1.0
29 0.0
DONE WITH EPOCH
EPOCH 3
0 0.0
1 1.0
2 1.0
3 0.0
4 0.0
5 1.0
6 0.0
7 0.0
8 1.0
9 1.0
10 1.0
11 0.0
12 0.0
13 1.0
14 0.0
15 0.0
16 0.0
17 1.0
18 1.0
19 0.0
20 1.0
21 1.0
22 1.0
23 0.0
24 0.0
25 1.0
26 0.0
27 1.0
28 0.0
29 1.0
DONE WITH EPOCH
EPOCH 4
0 1.0
1 1.0
2 0.0
3 1.0
4 1.0
5 0.0
6 1.0
7 1.0
8 1.0
9 1.0
10 1.0
11 1.0
12 1.0
13 1.0
14 0.0
15 0.0
16 1.0
17 1.0
18 0.0
19 0.0
20 1.0
21 1.0
22 0.0
23 1.0
24 0.0
25 1.0
26 0.0
27 0.0
28 1.0
29 1.0
DONE WITH EPOCH

根据上述数据，这些值（精度）是否正常？我询问的原因是，对于其他数据（但包含10个类的大量数据），我注意到原始程序（我做了一些调整，使其与我的数据一起工作）返回的结果（精度）如下所示：

EPOCH 0
1 0.104
2 0.1
3 0.136
4 0.14
5 0.124
6 0.156
7 0.16
8 0.172
9 0.16
10 0.164
11 0.148
...
...
...

EPOCH 0
0 0.466667
15 0.666667
DONE WITH EPOCH
EPOCH 1
0 0.666667
15 0.6
DONE WITH EPOCH
EPOCH 2
0 0.333333
15 0.333333
DONE WITH EPOCH
EPOCH 3
0 0.333333
15 0.333333
DONE WITH EPOCH
EPOCH 4
0 0.533333
15 0.666667
DONE WITH EPOCH

您认为我得到的结果是否正常（即仅

0

或

1

）

编辑-1

我已将批次大小更改为：

batch_size = len(data) // 2

我现在得到的结果如下：

EPOCH 0
1 0.104
2 0.1
3 0.136
4 0.14
5 0.124
6 0.156
7 0.16
8 0.172
9 0.16
10 0.164
11 0.148
...
...
...

EPOCH 0
0 0.466667
15 0.666667
DONE WITH EPOCH
EPOCH 1
0 0.666667
15 0.6
DONE WITH EPOCH
EPOCH 2
0 0.333333
15 0.333333
DONE WITH EPOCH
EPOCH 3
0 0.333333
15 0.333333
DONE WITH EPOCH
EPOCH 4
0 0.533333
15 0.666667
DONE WITH EPOCH

是这样吗？所以，我有30张图片（我知道它们很少，但只是为了演示）。分批生产的最好方法是什么？如果上面的输出现在是正确的，有没有更好的方法来表示它？或者，对于如此小的数据集，我们可以将它们全部放在一个批中（即

batch\u size=len（data）

）

例如，当我设置batch_size=len（数据）时，我得到以下结果：

EPOCH 0
0 0.333333
DONE WITH EPOCH
EPOCH 1
0 0.666667
DONE WITH EPOCH
EPOCH 2
0 0.666667
DONE WITH EPOCH
EPOCH 3
0 0.333333
DONE WITH EPOCH
EPOCH 4
0 0.366667
DONE WITH EPOCH

---

谢谢。

代码中的

批处理大小的值是1，因此每次运行时

sess.run([train_op, accuracy], feed_dict={x: batch_data, y: batch_onehot_vals})

你只检查一张图片。然后有以下两行：

correct_pred = tf.equal(tf.argmax(model_op, 1), tf.argmax(y,1))
accuracy = tf.reduce_mean(tf.cast(correct_pred,tf.float32))

correct_pred = tf.equal(tf.argmax(model_op, 1), tf.argmax(y,1))
accuracy = tf.reduce_mean(tf.cast(correct_pred,tf.float32))

因此，实际上，
correct\u pred
仅为1个数字（0或1），因为它基于一张图片（因此，如果
tf.argmax（model\u op，1）=tf.argmax（y，1）
则
correct\u pred=1
。否则，它等于0）

那么
准确度就等于这个数字。因此，其值始终为0或1

响应编辑1：从数字上讲，这些值是有意义的。您的
batch\u size=15
，因此精度应该是1/15=0.0667的整数倍，表中的所有值似乎都是这样。
它应该是1/15的整数倍的原因是因为以下两行：

correct_pred = tf.equal(tf.argmax(model_op, 1), tf.argmax(y,1))
accuracy = tf.reduce_mean(tf.cast(correct_pred,tf.float32))

correct_pred = tf.equal(tf.argmax(model_op, 1), tf.argmax(y,1))
accuracy = tf.reduce_mean(tf.cast(correct_pred,tf.float32))

数组
correct\u pred
只是一个0-1向量（因为它是
tf.equal
的结果）
精度
只是
correct_pred
中的值之和除以批次大小15

关于最佳批量大小，它取决于许多因素。例如，您可以在讨论中了解更多有关这方面的信息
 谢谢你的友好回复。在原始代码中，“batch\u size”如下所示：batch\u size=len（data）//200。数据长度为50000，批量大小为250。那么，这是否意味着我们每次检查250张图片？是的，这意味着他们同时计算所有图片的模型输出。这就是为什么在x_reformated=tf.reformate（x，shape=[-1150150，1]）中有-1。-1表示图片的数量，这不是已知的头部，但一旦您在提要中传递它，就知道了。正如您所看到的，所有卷积等都应用于整个批数据（因为您在提要中有x_整形=批数据）。谢谢。你能在我的问题中看到EDIT-1吗？非常感谢Miriam，你的回答帮了大忙。谢谢你！