如何处理张量流中0-1范围之外的输入？

Posted 2023-02-16

【中文标题】如何处理张量流中0-1范围之外的输入？

【英文标题】：How to deal with inputs outside 0-1 range in tensorflow?

【发布时间】：2016-02-10 09:12:07

【问题描述】：

在http://www.tensorflow.org/get_started 提供的示例中，如果我将输入乘以 2

x_data = np.float32(np.random.rand(2, 100))*2

我得到了无意义的输出，而我期望得到相同的解决方案。

0 [[ -67.06586456 -109.13352203]] [-7.67297792]
20 [[ nan  nan]] [ nan]
40 [[ nan  nan]] [ nan]
60 [[ nan  nan]] [ nan]
80 [[ nan  nan]] [ nan]
100 [[ nan  nan]] [ nan]
120 [[ nan  nan]] [ nan]
140 [[ nan  nan]] [ nan]
160 [[ nan  nan]] [ nan]
180 [[ nan  nan]] [ nan]
200 [[ nan  nan]] [ nan]

tensorflow 如何处理不在 0-1 范围内的输入？

编辑：使用AdagradOptimizer 没有问题。

【问题讨论】：

你可能发散到无穷大，然后你从无穷大中减去无穷大得到 nan

【参考方案1】：

问题在于该示例使用了非常激进的学习率：

optimizer = tf.train.GradientDescentOptimizer(0.5)

这使学习更快，但如果你稍微改变问题，它就会停止工作。 0.01 的学习率会更典型：

optimizer = tf.train.GradientDescentOptimizer(0.01)

现在您的修改工作正常。 :)