- 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：
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：
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：
...