我正在尝试使用一些简单的数据来测试TensorFlow的tf.estimator.DNNClassifier

X = [[1,2], [1,12], [1,17], [9,33], [48,49], [48,50]]Y = [ 1,     1,      1,      1,      2,       3     ]

分类器接受两个输入：x1,x2；其结构如下：

#这4层应该能够进行4次线性分离hidden_units = [2000,1000,500,100]n_classes    = 4    

然而，事情并未如愿，网络无法拟合。准确率很快达到8.33（=5/6）但随后就卡住了。损失函数收敛到一条水平线，但不是零线。

上述数据是可以进行两次线性分离的（右键点击图片在新标签页中打开）：

即使网络运行到10,000步，它仍然卡住，我猜是因为它无法分离Y=2和Y=3这两个值，是这样吗？如何使网络适应上述数据呢？

回答：

我尝试了以下方法，并且有效：

• 使用leaky relu或sigmoid
• 减少层数
• 减少每层的neurons数量
• 标准化输入
• 增加步数和epochs（如果需要）