Я собираюсь выполнить на основе пиксельной классификации. Вот код, который я использовал для обучения NNНеверный вывод функции предсказания в тензорном потоке
net = input_data(shape=[None, 1,4])
net = tflearn.lstm(net, 128, return_seq=True)
net = tflearn.lstm(net, 128)
net = tflearn.fully_connected(net, 1, activation='softmax')
net = tflearn.regression(net, optimizer='adam',
loss='categorical_crossentropy')
model = tflearn.DNN(net, tensorboard_verbose=2, checkpoint_path='model.tfl.ckpt')
X_train = np.expand_dims(X_train, axis=1)
model.fit(X_train, y_train, n_epoch=1, validation_set=0.1, show_metric=True,snapshot_step=100)
Проблема заключается в том, что после обучения модели, результат p.array (model.predict (x_test)) является 1 только, хотя я ожидал, что это будет либо 2 или 3. В одном примере, когда у меня было 4 класса объектов, и я ожидал, что результат этой команды будет меткой между 2 и 5 (обратите внимание: y_train имеет значения int от 2 до 5), но опять же результат предсказания функция 1. Это может быть проблема фазы обучения?
Вам определенно нужно увеличить 'n_epoch'. Я не использовал пакет 'tf_learn', но как вы можете использовать« регрессию », когда ваша проблема классифицируется? – martianwars
Я новичок и просто хочу провести несколько тестов и просто скопировать этот код с веб-страницы TFlearn по адресу https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py – user2148425
Попробуйте увеличить 'n_epoch' до 5 или 10 и посмотреть, помогает ли это? Вы постоянно получаете «1» по всем тестовым данным? – martianwars