• 操作系统平台：Linux Centos 7.6
• 硬件配置：Intel Xeon Gold 6152 (22×3.70 GHz);
• GPU型号：NVIDIA Tesla V100 32 GB;
• 节点数/CPU核心数/总核心数/GPU数：26/52/1144/104;
• TensorFlow安装来源（源码或二进制）：官方网页
• TensorFlow版本（使用以下命令）：2.1.0
• Python版本：3.6.8

问题描述：

在实现我的提议方法时，我使用了第二种实现风格（见下文），我发现算法的表现确实有些奇怪。更具体地说，随着训练轮数的增加，准确率反而下降，损失值却在增加。

因此，我缩小了问题的范围，最终决定修改TensorFlow官方页面的一些代码来检查发生了什么。正如TF v2官方网页所解释的，有两种实现风格，我采用了如下方式。

• 我修改了“TF v2入门”中提供的代码，链接如下：

  TensorFlow 2 初学者快速入门

如下所示：

...

输出结果如预期那样，如下所示：

...

更具体地说，随着训练轮数的增加，训练准确率增加，损失值降低（这是预期的正常现象）。

然而，下面这块代码是从以下链接改编的：

TensorFlow 2 高级用户快速入门

如下所示：

...

确实表现得有些奇怪。这段代码的输出如下：

...

可以看到，不仅准确率的值看起来很奇怪，而且随着训练轮数的增加，它们反而在下降？

请问您能解释一下这是怎么回事吗？

回答：

正如我在评论中指出的那样，我在使用评估指标时犯了一个错误。我应该使用BinaryAccuracy。

此外，最好将高级版本中的call方法编辑如下：

...