1
を返す私はRMSE損失を追加することにより、fit.py mxnetのPythonのサンプルファイル(画像分類)に少し修正をしましたrmseが約5.2であり、精度は約99%にまで上昇することがわかります。Mxnet MNISTトレーニング例はほぼ一定RMSE
減少しているRMSEは観察できませんか?
感謝 AL
を返す私はRMSE損失を追加することにより、fit.py mxnetのPythonのサンプルファイル(画像分類)に少し修正をしましたrmseが約5.2であり、精度は約99%にまで上昇することがわかります。Mxnet MNISTトレーニング例はほぼ一定RMSE
減少しているRMSEは観察できませんか?
感謝 AL
二乗平均平方根誤差(RMSE)は、回帰問題のため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、予測値と期待値との間の数値差の関数として測定することができる。
分類では、ネットワークはラベルをデータに割り当てており、予測が実数ではないため、RMSEは予測ラベルの品質を計算する適切な手段ではありません。クロスエントロピー誤差は、分類問題のより適切な指標である。
は、このケースでは、このように、クロスエントロピー誤差を使用することができます。eval_metrics = ['ce']
eval_metrics.append(mx.metric.create('ce'))
ああ確かに。実際には、予測はrmseメトリックコールバックのラベルに引かれているとわかりました...私はベクトルが期待されました[0,0,1,0 ...] – HALMTL
すべて意味が分かりました。多くの感謝Indhu。質問が明確になりました! – HALMTL
あなたの質問に答えた場合は、回答を「受け入れ」とマークできますか?ありがとう! –