网络训练时,正确率会一直出现概率等分的情况,使网络无法学习到。
forward = t0f.matmul(Y4, W5)+b5
pred = tf.nn.softmax(forward) #softmax
#损失函数为交叉熵, log(0) 附近会造成不稳定
loss_function = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=forward, labels=y))
建议在损失函数的定义时,先不采用softmax的回归结果