私は基本的なフィードフォワードニューラルネットワークを約80項目のデータセットで訓練しようとしています(主に概念の証明として、私のデータセットは小さすぎると認識しています)。私はthe MNIST dataset exampleのコードに基づいていました。私は10のバッチサイズを選択しているし、8つの段階でそれを実行しています:このニューラルネットワークの損失は常に0.0で精度は常に1.0ですか?
learning_rate = 0.01
num_steps = 8
batch_size = 10
display_step = 1
num_input = 16
n_hidden_1 = 8
n_hidden_2 = 8
num_classes = 1
X = tf.placeholder("float", [None, num_input])
Y = tf.placeholder("float", [None, num_classes])
weights = {
'h1': tf.Variable(tf.random_normal([num_input, n_hidden_1])),
'h2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])),
'out': tf.Variable(tf.random_normal([n_hidden_2, num_classes]))
}
biases = {
'b1': tf.Variable(tf.random_normal([n_hidden_1])),
'b2': tf.Variable(tf.random_normal([n_hidden_2])),
'out': tf.Variable(tf.random_normal([num_classes]))
}
layer_1 = tf.add(tf.matmul(X, weights['h1']), biases['b1'])
layer_2 = tf.add(tf.matmul(layer_1, weights['h2']), biases['b2'])
logits = tf.matmul(layer_2, weights['out']) + biases['out']
prediction = tf.nn.softmax(logits)
loss_op = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(logits=logits, labels=Y))
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate)
train_op = optimizer.minimize(loss_op)
correct_pred = tf.equal(tf.argmax(prediction, 1), tf.argmax(Y, 1))
accuracy = tf.reduce_mean(tf.cast(correct_pred, tf.float32))
init = tf.global_variables_initializer()
with tf.Session() as sess:
sess.run(init)
for step in range(0, num_steps):
batch_x, batch_y = manager.import_data()
batch_x = batch_x[step * batch_size:(step + 1) * batch_size]
batch_y = batch_y[step * batch_size:(step + 1) * batch_size]
batch_x = np.reshape(batch_x, (batch_size, num_input))
batch_y = np.reshape(batch_y, (batch_size, num_classes))
sess.run(train_op, feed_dict={X: batch_x, Y: batch_y})
if step % display_step == 0 or step == 1:
loss, acc = sess.run([loss_op, accuracy], feed_dict={X: batch_x, Y: batch_y})
print("Step " + str(step) + ", Minibatch Loss= " + \
"{:.4f}".format(loss) + ", Training Accuracy= " + \
"{:.3f}".format(acc))
manager.import_data()
はnumpyの配列のリストを返します。私はバッチの選択をランダム化する必要があることを知っている、と私は最終的にそれを実装します - しかし、出力は次のようになります。
Step 0, Minibatch Loss= 0.0000, Training Accuracy= 1.000
Step 1, Minibatch Loss= 0.0000, Training Accuracy= 1.000
Step 2, Minibatch Loss= 0.0000, Training Accuracy= 1.000
Step 3, Minibatch Loss= 0.0000, Training Accuracy= 1.000
Step 4, Minibatch Loss= 0.0000, Training Accuracy= 1.000
Step 5, Minibatch Loss= 0.0000, Training Accuracy= 1.000
Step 6, Minibatch Loss= 0.0000, Training Accuracy= 1.000
Step 7, Minibatch Loss= 0.0000, Training Accuracy= 1.000
もちろん、こうであるべきではありません。私は間違って何をしていますか?
ニューラルネットワークでは、クラスの正と負の例が必要です。したがって、このアルゴリズムは、例えば、車であるかどうかを区別することができる。だから、何が良いか、何が間違っているかを教えるために、より多くのクラスが必要です。 – silgon