Я сделал небольшое изменение в fit.py mxnet питона пример файл (изображение-классификации), добавив потери RMSE:Mxnet MNIST пример обучения возвращает почти постоянная RMSE
# evaluation metrices
eval_metrics = ['accuracy']
eval_metrics.append('rmse')
Затем работает на MNIST учебного примера, можно заметить, что rmse составляет около 5,2, а точность достигает около 99%.
Не следует ли наблюдать снижение RMSE?
Большое спасибо AL
Oh действительно. На самом деле я просто выясняю, что предсказание было вычтено меткой в обратном вызове метрики rmse ... Я ожидал, что вектор [0,0,1,0 ...] – HALMTL
Теперь все имеет смысл. Большое спасибо Индху. Вопрос уточнен! – HALMTL
Если это ответили на ваш вопрос, не могли бы вы пометить ответ как «принятый»? Благодаря! –