原手势识别例程中的dnn_compute输出很正常
在使用例程提供的train脚本自己训练网络后,输出就变得不正常了,如6分类任务,有几个任务永远是0,无论输入是什么
你把你自己的dnn_compute函数贴上来看看。
当然可以,就是官方给我们提供的hand_gesture_training .py中的网络模型
从此处下载japan.renesasrulz.com/.../448
def forward_prop(X, parameters): W1 = parameters['W1'] W2 = parameters['W2'] W3 = parameters['W3'] # X_image = tf.reshape(X,[-1,n_H0,n_W0,1])# print (X.shape) Z1 = tf.nn.conv2d(X, W1, [1,1,1,1], padding="SAME") A1 = tf.nn.relu(Z1) P1 = tf.nn.max_pool(A1, ksize=[1,2,2,1],strides=[1,2,2,1], padding="SAME" )# print (P1) Z2 = tf.nn.conv2d(P1, W2,strides=[1,1,1,1], padding="SAME") A2 = tf.nn.relu(Z2) P2 = tf.nn.max_pool(A2, ksize=[1,2,2,1], strides=[1,2,2,1], padding="SAME")# print (P2)# Z3 = tf.nn.conv2d(P2, W3, strides=[1,1,1,1], padding="SAME")# A3 = tf.nn.relu(Z3)# P3 = tf.nn.max_pool(A3, ksize=[1,2,2,1], strides=[1,2,2,1], padding="SAME")# print (P3) P3 = tf.contrib.layers.flatten(P2)# print (P3) Z4 = tf.contrib.layers.fully_connected(P3,n_types, activation_fn=None)# print (Z4) return Z4