用于回归的tensorflow深层神经网络总是可以在一批中预测相同的结果

用于回归的tensorflow深层神经网络总是可以在一批中预测相同的结果

简短答案 ：

移调您

pred

使用向量

tf.transpose(pred)

。

更长的答案 ：

问题在于

pred

（预测）和

y

（标签）的形状不同：一个是行向量，另一个是列向量。显然，当对它们应用按元素进行 *** 作时，将得到一个矩阵，这不是您想要的。

解决方案是使用来转置预测向量，

tf.transpose()

以获得适当的向量，从而获得适当的损失函数。实际上，如果在示例中将批处理大小设置为1，则即使没有修复，它也会起作用，因为转置1x1向量是无 *** 作的。

我将此修复程序应用于您的示例代码，并观察到以下行为。修复之前：

Epoch: 0245 cost= 84.743440580[*]----------------------------label value: 23 estimated value: [ 27.47437096]label value: 50 estimated value: [ 24.71126747]label value: 22 estimated value: [ 23.87785912]

并在同一时间点修复后：

Epoch: 0245 cost= 4.181439120[*]----------------------------label value: 23 estimated value: [ 21.64333534]label value: 50 estimated value: [ 48.76105118]label value: 22 estimated value: [ 24.27996063]

您会看到成本要低得多，并且实际上它正确地获知了值50。您必须对学习率进行一些微调，以提高您的学习成绩。