0

私は TensorFlow で遊んでいて、次のチュートリアルを見ていました。

https://github.com/aymericdamien/TensorFlow-Examples/tree/0.11/examples/3_NeuralNetworks

MNINST データベースを作成したくなかったので、8000 のトレーニング サンプルで作成したデータを使用してスクリプトを変更しました。評価は、300 のテスト サンプルで行われます。出力はバイナリ分類です。私は機械学習に飛び込んだばかりで、今のところ私の知識はかなり限られていることに注意してください.

スクリプトは正常に動作しますが、コストが非常に高い値にとどまり、0 に収束しません。まず、これは正常ですか? どうすればこれを改善できますか? 私は何か間違ったことをしましたか？第二に、精度もあまり良くありません。収束が悪いためですか? モデルをトレーニングするには 8000 では足りないのではないでしょうか? または、値が分散しすぎて、実際により良い精度を得ることができません。

ここで同様の問題を見つけました：

回帰用の tensorflow ディープ ニューラル ネットワークは、常に 1 つのバッチで同じ結果を予測します

しかし、この問題が私に当てはまる理由や方法がわかりません。

誰か助けてくれませんか？

出力は次のとおりです。

Starting 1st session...
Epoch: 0001 cost= 39926820.730

そして最後に私は得る：

Epoch: 0671 cost= 64.798
Epoch: 0681 cost= 64.794
Epoch: 0691 cost= 64.791
Optimization Finished!
Accuracy: 0.716621

コードは次のとおりです。

import tensorflow as tf
import pandas as pd
import numpy as np
import csv

inputData = pd.read_csv('./myInputDataNS.csv', header=None)
runData = pd.read_csv('./myTestDataNS.csv', header=None)

trX, trY = inputData.iloc[:, :7].values, inputData.iloc[:,7].values
temp = trY.shape
trY = trY.reshape(temp[0], 1)
trY = np.concatenate((1-trY, trY), axis=1)

teX, teY = runData.iloc[:, :7].values, runData.iloc[:, 7].values
temp = teY.shape
teY = teY.reshape(temp[0], 1)
teY = np.concatenate((1-teY, teY), axis=1)


# Parameters
learning_rate = 0.001
training_epochs = 700
batch_size = 100
display_step = 10

# Network Parameters
n_hidden_1 =  320 
n_hidden_2 =  320
n_hidden_3 =  320 
n_input = 7 
n_classes = 2 # (0 or 1)

x = tf.placeholder("float", [None, n_input])
y = tf.placeholder("float", [None, n_classes])


def multilayer_perceptron(x, weights, biases):
    layer_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])
    layer_1 = tf.nn.relu(layer_1)

    layer_2 = tf.add(tf.matmul(layer_1, weights['h2']), biases['b2'])
    layer_2 = tf.nn.relu(layer_2)

    layer_3 = tf.add(tf.matmul(layer_2, weights['h3']), biases['b3'])
    layer_3 = tf.nn.relu(layer_3)

    out_layer = tf.matmul(layer_3, weights['out']) + biases['out']
    return out_layer

weights = {
'h1': tf.Variable(tf.random_normal([len(trX[0]), n_hidden_1])),
'h2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])),
'h3': tf.Variable(tf.random_normal([n_hidden_3, n_hidden_3])),
'out': tf.Variable(tf.random_normal([n_hidden_3, n_classes]))
}

biases = {
'b1': tf.Variable(tf.random_normal([n_hidden_1])),
'b2': tf.Variable(tf.random_normal([n_hidden_2])),
'b3': tf.Variable(tf.random_normal([n_hidden_3])),
'out': tf.Variable(tf.random_normal([n_classes]))
}

pred = multilayer_perceptron(x, weights, biases)

cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=pred, labels=y))

optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)

init = tf.global_variables_initializer()


print("Starting 1st session...")

with tf.Session() as sess:
    sess.run(init)

    for epoch in range(training_epochs):
        epoch_loss = 0
        i = 0
        while i < len(trX):
            start = i
            end = i + batch_size
            batch_x = np.array(trX[start:end])
            batch_y = np.array(trY[start:end])
            _, c = sess.run([optimizer, cost], feed_dict={x: batch_x, y: batch_y})
            epoch_loss += c
            i += batch_size

            epoch_loss += c / len(trX[0])
        if epoch % display_step == 0:
            print("Epoch:", '%04d' % (epoch+1), "cost=", "{:.3f}".format(epoch_loss))
    print("Optimization Finished!")

    correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    print("Accuracy:", accuracy.eval({x: teX, y: teY}))
4

0 に答える 0