Tensorflow基本泰坦尼克号示例：精度卡滞

我在努力学习tensorflow。我决定在tensorflow中实施臭名昭著的kaggle titanic挑战，而不使用tf.layers、tf.train或keras。我使用的可能是一个滑稽的超大网络。我的问题是，我似乎无法得到正确的计算精度

在我的示例中，Y是最后一层（宽度1）的输出。Y_u是该培训示例的标签。所以，当我计算精度时，我计算为：

Y_int = tf.cast(Y_, tf.int64)
is_correct = tf.equal(tf.argmax(Y,1),Y_int)

accuracy = tf.reduce_mean(tf.cast(is_correct,tf.float32))

我每500次迭代运行一次： a、 c=测试运行（[精度，xe]，进给量=测试数据）

交叉熵“很好地”减少了——有很多改进的空间，但它确实会一次又一次地改变迭代。但是，精确性一直是个难题（这是第一个值）：

国际热核实验堆：0

0.606742 72.3839

国际热核实验堆：500

0.606742 42.3199

国际热核实验堆：1000

国际热核实验堆：18500

0.606742 38.2022

国际热核实验堆：19000

0.606742 38.4258

国际热核实验堆：19500

0.606742 37.9204

编辑：完整的python文件：

---

好的，多亏了天津的提示，我终于明白了。我在检查Y和Y的相等性之前四舍五入：

Y_int = tf.cast(Y, tf.float32)
is_correct = tf.equal(tf.round(Y_int),Y_)

---

你能给出一个国际热核实验堆Y和Y的实际值吗？给你：0.651685 32.1792 Y:[-9.14530421e-04][1.29497278e+00][9.14530421e-04][1.02632809e+00][3.94688576e-01][9.22473788e-01][9.14530421e 04][9.14530421e 4][1.29656982e+00][1.06453359e+00][1][1][1][1]