请教: 同一份 Tensorflow 代码，训练新闻自动分类， Windows 和 Linux 下的训练结果不一致？
suley 2019-01-12 21:44:49 +08:00 9429 次点击这是一个创建于 2528 天前的主题，其中的信息可能已经有所发展或是发生改变。
我是参考这位兄弟的文章练习的，只不过我的环境换成了 Ubuntu，
https://www.jianshu.com/p/db8824205fc3
根据这位博主的测试，第一千步就差不多能达到 90%准确率。
step:100 loss:1.5357 accuracy:0.4900 step:200 loss:1.0189 accuracy:0.7000 step:300 loss:0.7720 accuracy:0.7850 step:400 loss:0.6589 accuracy:0.8000 step:500 loss:0.4987 accuracy:0.8300 step:600 loss:0.5863 accuracy:0.8100 step:700 loss:0.5242 accuracy:0.8350 step:800 loss:0.3541 accuracy:0.9000 step:900 loss:0.5004 accuracy:0.8700 step:1000 loss:0.3152 accuracy:0.9050 可是我训练了差不多一百万步，始终在 0.3~0.4 徘徊，不收敛，里面有些大小写的错误我都修正了，还是不得要领。
我的训练结果：
step:100 loss:2.2414 accuracy:0.2250 used time: 3 s step:200 loss:2.0146 accuracy:0.3450 used time: 7 s step:300 loss:1.9829 accuracy:0.2900 used time: 11 s step:400 loss:1.8127 accuracy:0.3350 used time: 15 s step:500 loss:1.9361 accuracy:0.3150 used time: 19 s step:600 loss:1.8108 accuracy:0.3300 used time: 23 s step:700 loss:1.7482 accuracy:0.3950 used time: 27 s step:800 loss:1.7227 accuracy:0.3200 used time: 31 s step:900 loss:1.7529 accuracy:0.3500 used time: 35 s step:1000 loss:1.7124 accuracy:0.3300 used time: 38 s step:1100 loss:1.7832 accuracy:0.3350 used time: 42 s step:1200 loss:1.7278 accuracy:0.3500 used time: 46 s step:1300 loss:1.6402 accuracy:0.3000 used time: 50 s step:1400 loss:1.6699 accuracy:0.3200 used time: 54 s step:1500 loss:1.6819 accuracy:0.3600 used time: 59 s step:1600 loss:1.7417 accuracy:0.3400 used time: 63 s step:1700 loss:1.7227 accuracy:0.3350 used time: 67 s step:1800 loss:1.6762 accuracy:0.3850 used time: 71 s step:1900 loss:1.6828 accuracy:0.3150 used time: 75 s step:2000 loss:1.6694 accuracy:0.2900 used time: 79 s step:2100 loss:1.6974 accuracy:0.2950 used time: 83 s step:2200 loss:1.6517 accuracy:0.3450 used time: 87 s step:2300 loss:1.6009 accuracy:0.3600 used time: 91 s step:2400 loss:1.7358 accuracy:0.3300 used time: 95 s step:2500 loss:1.7149 accuracy:0.3500 used time: 99 s step:2600 loss:1.6166 accuracy:0.3850 used time: 103 s step:2700 loss:1.6242 accuracy:0.3500 used time: 107 s step:2800 loss:1.6648 accuracy:0.3550 used time: 111 s step:2900 loss:1.6295 accuracy:0.3050 used time: 115 s step:3000 loss:1.6616 accuracy:0.3400 used time: 119 s 联系了博主，博主表示检查了很久也不知道为什么会这样。而且同一篇文章下也有其它网友说遇到了同样的问题。
请教下各位大神~先谢过了。
 | 1 Machard 2019-01-12 21:49:09 +08:00 有可能是 TensorFlow 版本的问题，记得 1.2 版本之后有很大的差别。 |
 | 2 suley OP @Machard 感谢，我查查看 1.2 版本前后有什么差别；这个代码原理很简单，光从代码上我看不出来版本的差异会有什么影响~ |
 | 3 SorryChen 2019-01-12 22:00:57 +08:00 via iPhone learning rate 呢？ |
| 6 SorryChen 2019-01-12 22:07:52 +08:00 via iPhone @suley 如果你要复现他的结果，你得保证 学习率，预训练模型，参数初始化方法，优化器类型，等等全都一样，才能复现的差不多 |
| 7 suley OP @SorryChen 问题就是：和博主用一样的代码、一样的参数，但是得不到一样的结果，而且此问题不是我独有，文章下面也有其它人评论有同样的问题，所以很奇怪。 |
 | 8 abcbuzhiming 2019-01-12 22:15:05 +08:00  4 @suley 差 6 个版本说“感觉并无差别”，兄弟你真的是搞计算机的吗？ |
| 9 Machard 2019-01-12 22:15:20 +08:00 TensorFlow 版本之间的差异。最好保证 TensorFlow 版本一致的情况下进行复现。 |
| 10 suley OP @abcbuzhiming 都属于 1.x，按理说是这样正常兼容的，除非是 1.x->2.x 这样的跳跃…… 我去查了 1.6~1.12 的 release note，并没有提及版本的不同会导致模型产生那么大的执行差异；如果有，应该会提及吧…… 而且我的是高版本 tf，一般高版本的程序都能向后兼容，这也是常识； tensorflow 的官方 models 也不见得会跟着 tf 的版本升级而更新，但是还是能正常使用。 |
 | 11 iConnect 2019-01-12 22:21:57 +08:00 只看代码难复现你的效果，要从头跑一遍这个训练过程才能知道问题所在，遇到过版本问题，还没遇到过操作系统的问题 |
| 13 suley OP 我先降级到 1.6 试试…… |
 | 14 geekvcn 2019-01-12 22:24:58 +08:00 via iPhone 脾气倔就不要问问题，自己研究，改下版本不减寿吧？ |
| 15 iConnect 2019-01-12 22:37:17 +08:00 看了一下代码，没时间从头跑，作者训练的 model 参数都标明了啊，你指的作者没有提供训练好的 model，是指哪个？ 你要是降级了还是到不了 90%，我周一用公司的机器跑一下，家里的性能不够比较耗时 |
 | 17 Ediacaran 2019-01-12 22:43:06 +08:00 外行，不过见过有的训练代码是提供随机数种子的 |
| 18 suley OP @geekvcn 谢谢指教，已经在降级了，看我上一篇回复，但是从头开始处理数据到训练结束估计也要半小时，所以一边讨论，一边跑训练试试；对这个问题比较不解，希望能搞清楚，如果有人知道详细原因更好，这样也能为后来人趟坑~ |
 | 19 jingous 2019-01-12 22:45:52 +08:00 @suley 最直观的就是 tf.contrib 的包，一些计算细节也会更改。具体看官方文档，建议你先更改到 1.6 版本试一试。https://www.tensorflow.org/guide/version_compat |
| 20 suley OP @iConnect 我指的是作者没有提供用 Saver 保存好的模型。抱歉可能不太理解你的意思。我是参照作者的代码和参数从头开始处理数据、训练模型的，不知道这算不算“从头跑一遍这个训练过程”？ 我正在降级测试~实在不行再麻烦兄弟你帮忙试一下。谢了~ |
| 21 suley OP @jingous 感谢指教！我也是刚入门，按照固有经验去理解 tf 了，没想到 tf 不走常理，高版本反而不一定兼容低版本； 不过这份代码里 tf.contrib 的包用的不多，keras 处理数据的部分应该没问题（就是简单的做一下 fit_transform ），还有就是调用了 tf.contrib.layers.dropout 方法。 |
| 22 jingous 2019-01-12 22:59:21 +08:00 @suley tf.contrib 里面得不兼容是指某些包可能在后面的版本中升级为核心包，就不是 tf.contrib.xxx ，而是直接升级为 tf.xx 。如果代码能跑通的话，就不是这个包的问题。你先换成 1.6 版本试一试吧，也不清楚是不是版本的问题。 |
| 23 iConnect 2019-01-12 23:02:39 +08:00 知道了，你指的是作者没有保存固化 model，就算是你直接下载作者 saved model，tf 版本不同还是会又差别，这个情况我遇到过的，改版本后误差就很小了 |
| 24 suley OP @iConnect 已经安装了 tf1.6，代码里打印了版本，确定已经启用 1.6 了，但是 试了下，训练结果还是不收敛。搞不懂了。 ``` step:100 loss:2.2723 accuracy:0.2200 used time: 14 s step:200 loss:2.0896 accuracy:0.2800 used time: 29 s step:300 loss:2.1087 accuracy:0.2850 used time: 44 s step:400 loss:1.9824 accuracy:0.2500 used time: 58 s step:500 loss:1.7952 accuracy:0.3250 used time: 73 s step:600 loss:1.8453 accuracy:0.2900 used time: 87 s step:700 loss:1.8526 accuracy:0.2750 used time: 102 s step:800 loss:1.8265 accuracy:0.2900 used time: 117 s step:900 loss:1.7434 accuracy:0.2750 used time: 131 s step:1000 loss:1.8484 accuracy:0.3000 used time: 146 s ``` |
 | 25 minami 2019-01-13 02:21:14 +08:00 如果排除各种情况，还是有这个问题。那说不定是个很蠢的问题  ，没错，就是输入的数据已经错了，代码里打印出来看看 |
 | 26 crazycabbage 2019-01-13 10:03:31 +08:00 数据预处理也要一致 |
 | 27 byteli 2019-01-13 10:11:40 +08:00 via Android 港真，我以前做 dl 的时候，恰好 win 版本出来时也遇到过这个问题，后来就不在 win 下训练了 |
| 29 suley OP @crazycabbage 谢谢提醒，不过预处理我用的和作者一样的代码，也仔细检查过，应该不是这个问题 |
| 30 suley OP @byteli 一般我只听说 tf 在 windows 下有问题，没听过 win 正常，linux 不行的…… |
| 31 abcbuzhiming 2019-01-13 11:04:11 +08:00 @suley 谁告诉你“按理说就应该正常兼容”，这类玩算法的软件小版本大变是非常普遍的现象，不要想当然，去看看腾讯云那个人脸合成的云服务，一个小版本变动整个效果都变了 |
| 32 suley OP @abcbuzhiming 已经换和作者一样的 1.6 版本试了，还是一样的结果。 腾讯云那个属于具体应用层面了，开发人员换个算法就变了，不具备太大的参考价值； tf 按我理解还是基础设施，如果变动那么大，根本没法做工业应用了。 我仔细看了下 TF 的说明，也提到了同一个 Major Version 下，Public API 和主包里的方法都是向后兼容的， 具体可以查阅： https://www.tensorflow.org/guide/version_compat 所以这不是我自己“想当然”，确实是符合“按理说就应该正常兼容”，只有这几种情况例外： * tf.contrib 包里的内容 * _开头的方法 * 实验性质的方法 然而经过我仔细查阅，基本排除了这个干扰。 |
 | 33 mxalbert1996 2019-01-13 18:39:03 +08:00 很遗憾，tf 的 API 和结果受各种因素影响就是很大的，所以如果真的要在生产环境下使用的话，肯定是不能频繁升级版本的。不同版本，CPU 或 GPU，不同平台（不仅是 tf，CUDA 在不同平台的实现也是不一样的），都会有影响。 |
| 34 suley OP @mxalbert1996 可惜这次不是这个原因。已经用同版本 tf 试过了 |
| 35 mxalbert1996 2019-01-13 20:08:36 +08:00 @suley 你能好好读一下我的回复么。。。 |
 | 36 psyche08 2019-01-13 21:00:33 +08:00 via iPhone 试了下，即使是最新版本 tf，我和博主结果是一样的 |
| 37 suley OP @mxalbert1996 我问了几个 AI 公司的朋友，你这个话不对，有差异是正常的，毕竟每个机器情况不同，但是完全相同的代码，一般的差异只会产生在 CPU 和 GPU 环境，而且差异应该非常小，通常都是 lsb 的区别，精度有差别，结果就有一定的差异，但不应该太大，如果差异很大，一般是代码有 BUG 或者某些方法被 CPU 或者 GPU 忽略，比如 tf.transpose 里的 conjugate 参数在 GPU 上跑的时候会被忽略，导致数据集跑的结果产生差异，只是这种情况已被排除，代码里并无这个问题。TF Minor 版本的影响很小，除了极个别情况，大多数情况下是兼容的，除非是 Major 版本不同。你说的那种只一般只出现在调用了第三方包的情况下，因为第三方的包一般不是官方做的，兼容性测试做的少。我回头让他们帮忙看看代码试试。至少，在我和作者这两种情况下，跑官方 model 结果都差别很小的，也是证明这种情况并不常见，至少不能简单地以一句“版本差异、cpu 差异”等等概括，肯定有深层次的原因。bug 往往就是这种情况下发现的。 |
Select Language