老师，您好。我仿照老师的模板写了一个通过骨骼坐标识别动作的神经网络，但是中途出现了损失函数值一直为nan的情况，但是通过调整代码：
y_ = tf.layers.dense(hidden1,12)
成功可以训练了。然而我发现这个最后一层的数量如果小于12的话，就会出现损失函数值loss变为nan且识别度为0的情况。我的训练集的label是{1, 2, 3, 4, 5, 7, 9, 10, 11}定义为整形数字的九个类。是不是因为其函数内部直接默认0~11，所以导致tf.layers.dense的unit必须得赋值12呀。

x = tf.placeholder(tf.float32, [None, 28])  
y = tf.placeholder(tf.int64, [None])  
hidden1 = tf.layers.dense(x, 28, activation=tf.nn.relu)            
y_ = tf.layers.dense(hidden1,12)  #此处需要写成12（可能必须空出0~11？）
loss = tf.losses.sparse_softmax_cross_entropy(labels=y, logits=y_)
predict = tf.argmax(y_, 1)  
correct_prediction = tf.equal(predict, y) 
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float64)) 
with tf.name_scope('train_op'):
    train_op = tf.train.AdamOptimizer(1e-4).minimize(loss)