acc定义代码 神经网络_神经网络的这几个坑，你都躲过了吗

因为AI这两年的火爆，大家拿着锤子到处找钉子，锤子当然也砸到了我头上，有很多做业务的同事尝试通过AI的方法解决需要一些很复杂的业务逻辑算法，同时需要很多参数组合才能搞定的问题。但因为都是非科班出身也没有系统学习，所以遇到不少问题，所以在这里一一列出来，并且持续更新，希望能够总结出一些经验，在后续的应用中能够跳过这些坑，把更多精力集中在数据和业务问题上。

关于神经网络为什么不工作，有一篇非常实用的指南，在训练过程中遇到问题可以首先参考这个指南。传送门。

问题1、没有激活函数，你是认真的吗

真的会发生这样的问题，尤其是直接用tensorflow写模型的时候。同事前几天写了段代码，搭了一个单隐层的模型来近似一个产品中的算法，但是怎么训练都不收敛，按说那个算法是复杂，但也没有必要整一个十好几层的模型来模拟，尝试了种种手段也还是没用，最后仔细一看模型代码，所有层都没有激活函数，相当于费很大劲写了个线性回归还要拟合出产品算法(/摊手)。所以对于大多数的应用，不涉及复杂的网络结构或初始化、loss函数的，就用keras吧，毕竟人生苦短。

当然，无激活函数，也就是单位激活函数，在一些场景下也会使用，通常这种使用能够带来减少训练参数的好处。所以除非是有意的设计来简化网络，否则激活函数可不能忘掉。

问题2、还是激活函数，选对了没有

很多指南上也都说过，一般情况下，分类器隐层的激活函数用relu，输出层用sigmoid或softmax就八九不离十了，但是这里也有坑。许多的例子中使用的数据集是离我们面临的问题比较远的，最