Tensorflow成本等于零

我有一个神经网络，有两个隐藏层，每个层有6个节点，输入有11个节点，输出有一个（二进制分类）：

我的成本函数定义如下，其中y是占位符：

cost = tf.reduce_mean(-Y * tf.log(hy) - (1 - Y) * tf.log(1 - hy))

我的优化器：

optimizer = tf.train.RMSPropOptimizer(learning_rate).minimize(cost)

似乎所有的东西都定义得很好，但是当我在会话中运行它时，我仍然得到一个无价值的代价函数

我的会议：

sess.run(optimizer, feed_dict={X: X_train, Y: y_train})

---

在optimizer上调用sess.run（您正在执行的操作），预计将得到None，因为此操作不会产生任何值，而是应用它以最小化成本函数的值，换句话说，优化它

为了打印成本，您的代码应为：

sess.run([optimizer, cost], feed_dict={X: X_train, Y: y_train})[1]

---

尝试

print（sess.run（[cost，optimizer]，feed\u dict={X:X\u train，Y:Y\u train}）[0]）

我得到了相同的结果：（你能举个例子吗？我已经调试了代码，我发现问题出在权重上，而不是损失本身。在运行sess.init之前，权重很好，但一旦我这么做，它们都变成了nan，有解决方案吗？

sess.run([optimizer, cost], feed_dict={X: X_train, Y: y_train})[1]