Menggunakan TensorFlow untuk mencipta keputusan latihan model regresi logistik adalah nan

Question

Dalam TensorFlow, saya ingin mencipta model regresi logistik dengan fungsi kos berikut:

Screenshot set data yang digunakan adalah seperti berikut:

Kod saya adalah seperti berikut:

train_X = train_data[:, :-1]
train_y = train_data[:, -1:]
feature_num = len(train_X[0])
sample_num = len(train_X)
print("Size of train_X: {}x{}".format(sample_num, feature_num))
print("Size of train_y: {}x{}".format(len(train_y), len(train_y[0])))

X = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)

W = tf.Variable(tf.zeros([feature_num, 1]))
b = tf.Variable([-.3])

db = tf.matmul(X, tf.reshape(W, [-1, 1])) + b
hyp = tf.sigmoid(db)

cost0 = y * tf.log(hyp)
cost1 = (1 - y) * tf.log(1 - hyp)
cost = (cost0 + cost1) / -sample_num

loss = tf.reduce_sum(cost)

optimizer = tf.train.GradientDescentOptimizer(0.1)
train = optimizer.minimize(loss)

init = tf.global_variables_initializer()
sess = tf.Session()
sess.run(init)

print(0, sess.run(W).flatten(), sess.run(b).flatten())
sess.run(train, {X: train_X, y: train_y})
print(1, sess.run(W).flatten(), sess.run(b).flatten())
sess.run(train, {X: train_X, y: train_y})
print(2, sess.run(W).flatten(), sess.run(b).flatten())

Tangkapan skrin keputusan larian adalah seperti berikut:

Anda boleh melihat bahawa selepas dua lelaran, kami mendapat W和b都变成了nan Apakah masalahnya?

Answer 1

Selepas beberapa carian, saya menemui masalahnya.

Dalam ayat tentang memilih kaedah lelaran:

optimizer = tf.train.GradientDescentOptimizer(0.1)

Anda boleh berlatih seperti biasa di sini0.1的学习率过大，导致不知什么原因在损失函数中出现了log(0)的情况，结果导致了损失函数的值为nan，解决方法是减小学习率，比如降到1e-5或者1e-6 Saya melaraskan kadar pembelajaran kepada 1e-3 mengikut situasi saya sendiri, dan program berjalan dengan sempurna.

Lampirkan keputusan pemasangan akhir: