Я использую shadoworflow для репликации нейронной сети для набора данных MNIST, ранее запрограммированного в skflow. Вот модель в skflow:Модель tensorflow имеет разные результаты, чем та же модель в skflow (оптимизатор)
import tensorflow.contrib.learn as skflow
from sklearn import metrics
from sklearn.datasets import fetch_mldata
from sklearn.cross_validation import train_test_split
mnist = fetch_mldata('MNIST original')
train_dataset, test_dataset, train_labels, test_labels = train_test_split(mnist.data, mnist.target, test_size=10000, random_state=42)
classifier = skflow.TensorFlowDNNClassifier(hidden_units=[1200, 1200], n_classes=10, optimizer="SGD", learning_rate=0.01, batch_size=128, steps=1000)
classifier.fit(train_dataset, train_labels)
score = metrics.accuracy_score(test_labels, classifier.predict(test_dataset))
print("Accuracy: %f" % score)
Эта модель получает точность 0.950600.
Но модель, реплицируемая в тензорном потоке, получает nan в убытке fuction и не улучшается (я думаю, что это не связано с Tensorflow NaN bug?, так как я использую tf.nn.softmax_cross_entropy_with_logits).
Я не могу понять, почему, поскольку установка модели в тензорном потоке такая же, как в модели в skflow. Единственное, что я не уверен, что это то же самое, - это то, как skflow инициализирует весы сети, я искал эту часть в коде skflow, но я ее не нашел.
Вот код в tensorflow:
import numpy as np
import tensorflow as tf
from sklearn.cross_validation import train_test_split
from sklearn.datasets import fetch_mldata
mnist = fetch_mldata('MNIST original')
num_labels = len(np.unique(mnist.target))
num_pixels = mnist.data.shape[1]
#reshape labels to one hot encoding
labels = (np.arange(num_labels) == mnist.target[:, None]).astype(np.float32)
#create train_dataset of 60000 and test_dataset of 10000 elem
train_dataset, test_dataset, train_labels, test_labels = train_test_split(mnist.data, labels, test_size=10000, random_state=42)
def accuracy(predictions, labels):
return (100.0 * np.sum(np.argmax(predictions, 1) == np.argmax(labels, 1))/predictions.shape[0])
batch_size = 128
graph = tf.Graph()
with graph.as_default():
# Input data.
tf_train_dataset = tf.placeholder(tf.float32,
shape=(batch_size, num_pixels))
tf_train_labels = tf.placeholder(tf.float32, shape=(batch_size, num_labels))
tf_test_dataset = tf.cast(tf.constant(test_dataset), tf.float32)
w_hidden = tf.Variable(tf.truncated_normal([num_pixels, 1200]))
b_hidden = tf.Variable(tf.zeros([1200]))
hidden = tf.nn.relu(tf.matmul(tf_train_dataset, w_hidden) + b_hidden)
w_hidden_2 = tf.Variable(tf.truncated_normal([1200, 1200]))
b_hidden_2 = tf.Variable(tf.zeros([1200]))
hidden2 = tf.nn.relu(tf.matmul(hidden, w_hidden_2) + b_hidden_2)
w = tf.Variable(tf.truncated_normal([1200, num_labels]))
b = tf.Variable(tf.zeros([num_labels]))
logits = tf.matmul(hidden2, w) + b
loss = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(
logits, tf_train_labels))
# Optimizer.
optimizer = tf.train.GradientDescentOptimizer(0.01).minimize(loss)
# Predictions for the training, and test data.
train_prediction = tf.nn.softmax(logits)
test_prediction = tf.nn.softmax(tf.matmul(tf.nn.relu(tf.matmul(tf.nn.relu(tf.matmul(tf_test_dataset, w_hidden) + b_hidden), w_hidden_2) + b_hidden_2), w) + b)
num_steps = 1001
with tf.Session(graph=graph) as session:
tf.initialize_all_variables().run()
print("Initialized")
for step in range(num_steps):
# Pick an offset within the training data, which has been randomized.
offset = (step * batch_size) % (train_labels.shape[0] - batch_size)
# Generate a minibatch.
batch_data = train_dataset[offset:(offset + batch_size), :]
batch_labels = train_labels[offset:(offset + batch_size), :]
# Prepare a dictionary telling the session where to feed the minibatch.
feed_dict = {tf_train_dataset: batch_data, tf_train_labels: batch_labels}
_, l, predictions = session.run([optimizer, loss, train_prediction], feed_dict=feed_dict)
if (step % 100 == 0):
print("Minibatch loss at step %d: %f" % (step, l))
print("Minibatch accuracy: %.1f%%" % accuracy(predictions, batch_labels))
print("Test accuracy: %.1f%%" % accuracy(test_prediction.eval(), test_labels))
Я невежественный на то, что может быть проблемой. Какие-либо предложения?
Отредактировано 1: Как мне предложили, я попытался заменить tf.Variable звонки с tf.get_variable ("w_hidden", [num_pixels, 1200]), но я получил Nans.
Кроме того, я использовал skflow.ops.dnn op для выполнения слоев и использовал свои собственные потери и т. Д., И до сих пор получил Nans.
Отредактировано 2: Оказывается, это не проблема инициализации веса. Кажется, что градиенты слишком неустойчивы (в модели тензорного потока) и приводят к тому, что потеря становится NaN. Как и в Adding multiple layers to TensorFlow causes loss function to become Nan, я замедлял скорость обучения на порядок, и это сработало.
Теперь я не понимаю, что отличается между оптимизатором SGD skflow и выше. Или что объясняет, что они «кажутся» равными, но им нужны разные учебные курсы?
Привет @ilblackdragon Я попытался заменить tf.Variable вызовы во всех весах, а затем в весах и смещениях, но я все еще получаю nans в функции потерь. Цель репликации модели в тензорном потоке заключается в следующем: я пытаюсь реплицировать результаты Distill Knowledge в наборе данных MNIST, я начал развиваться с помощью skflow, потому что я больше знаком с миром sklearn, но в skflow у меня нет ту же свободу играть с функцией loss/softmax или с ярлыками, потому что я нуждаюсь в них как вероятности. – Ismael
привет @ilblackdragon, я снова, но с плохими новостями, теперь я пробовал использовать skflow.ops.dnn op, хороший hack btw, но я все еще получаю nan в функции потерь. Теперь я очень беспокоился об этом, поэтому я попробовал другую настройку, на этот раз только используя один скрытый слой (relu) с 1200 нейронами как в skflow, так и в тензорном потоке (используя dnn op), и я неожиданно получил то, что ожидалось, одинаковая точность в обеих моделях (около 0,93 без nans). Поэтому снова я не знаю, что может быть проблемой при использовании [1200, 1200] в качестве скрытых слоев. – Ismael
@ismael Вы можете использовать 'predict_proba' для получения исходной вероятности. Вы также можете определить свою собственную функцию потерь и передать ее в пользовательскую функцию модели, как указано в приведенном выше ответе. –