deep-learning - Mxnet MNIST トレーニングの例では、ほぼ一定の rmse が返されます

Question

rmse 損失を追加して、fit.py mxnet python サンプル ファイル (画像分類) に少し変更を加えました。

# evaluation metrices
eval_metrics = ['accuracy']
eval_metrics.append('rmse') 

次に、MNIST トレーニング例を実行すると、rmse が全体で約 5.2 であることがわかりますが、精度は約 99% まで上がります。

RMSE の減少を観察すべきではありませんか?

どうもありがとうアル

Answer 1

二乗平均平方根誤差 (RMSE) は、回帰問題に使用されるメトリックです。回帰問題では、ネットワークは実数を予測しており、その予測の品質は、予測値と期待値の数値差の関数として測定できます。

分類では、ネットワークはデータにラベルを割り当てますが、RMSE は予測されたラベルの品質を計算するための適切な尺度ではありません。これは、予測が実数ではないためです。クロス エントロピー エラーは、分類問題のより適切なメトリックです。

この場合、クロス エントロピー エラーを次のように使用できます。

eval_metrics = ['ce']
eval_metrics.append(mx.metric.create('ce'))