在学习《TensorFlow实战Google深度学习框架》这本书的时候,发现书上提供的代码有一些错误。原因是自己的TensorFlow的版本比较高,相对于书上的版本,一些API都变了,所以有些函数在书中的程序中是错误的,所以程序在运行的时候就会报错。
比如:第五章中完整的训练MNIST数据的神经网络模型的程序代码中,直接运行程序的话会遇到以下的错误。
首先:ValueError: Only call `sparse_softmax_cross_entropy_with_logits` with named arguments (labels=..., logits=..., ...)
解决:这个原因就是因为这个函数的API发生变化了,要加labels 和logits
于是将代码改了:
把下面的这行代码
# 计算交叉熵及其平均值 cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(y,tf.argmax(y_, 1))
改成了
cross_entropy = tf.nn.sparse_softmax_cross_entropy_with_logits(labels=y,logits=tf.argmax(y_, 1))
然后继续运行.....
然后又出现新的错误,如下
2.ValueError: Rank mismatch: Rank of labels (received 2) should equal rank of logits minus 1 (received 1).
出现这个错误。
这个错的原因在于,计算交叉熵的时候,比较的两个概率分布放反了。
都知道交叉熵是衡量一个概率分布去表达另一个概率分布的难度,值越低越好。所以是用预测的结果去表达正确的标签。
也就是说上述代码中labels=tf.argmax(y_, 1),logits=y。这样改正之后,问题就解决了。