4
私は自分のデータセットでthis tutorial(セクション6:すべて一緒に繋げる)に従っています。私はチュートリアルでサンプルを手に入れることができます。問題はなく、サンプルデータセットを用意しました。Keras:Binary_crossentropyに負の値があります
私はバイナリ・クロスエントロピー・エラーが発生していますが、それは負であり、エポックが進むにつれ改善はありません。私はバイナリクロスエントロピーが常に正でなければならないと確信しています。そして、損失の改善が見られるはずです。私は以下のサンプルエフェクト(とコードコール)を5エポックに切り捨てました。他の人は、CNNを訓練するときに同様の問題に遭遇することがありますが、私の場合は明確な解決策を見ませんでした。誰がなぜこれが起こっているのか知っていますか?
出力例:
Creating TensorFlow device (/gpu:2) -> (device: 2, name: GeForce GTX TITAN Black, pci bus id: 0000:84:00.0)
10240/10240 [==============================] - 2s - loss: -5.5378 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000
Epoch 2/5
10240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000
Epoch 3/5
10240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000
Epoch 4/5
10240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000
Epoch 5/5
10240/10240 [==============================] - 0s - loss: -7.9712 - acc: 0.5000 - val_loss: -7.9712 - val_acc: 0.5000
マイコード:
import numpy as np
import keras
from keras.models import Sequential
from keras.layers import Dense
from keras.callbacks import History
history = History()
seed = 7
np.random.seed(seed)
dataset = np.loadtxt('train_rows.csv', delimiter=",")
#print dataset.shape (10240, 64)
# split into input (X) and output (Y) variables
X = dataset[:, 0:(dataset.shape[1]-2)] #0:62 (63 of 64 columns)
Y = dataset[:, dataset.shape[1]-1] #column 64 counting from 0
#print X.shape (10240, 62)
#print Y.shape (10240,)
testset = np.loadtxt('test_rows.csv', delimiter=",")
#print testset.shape (2560, 64)
X_test = testset[:,0:(testset.shape[1]-2)]
Y_test = testset[:,testset.shape[1]-1]
#print X_test.shape (2560, 62)
#print Y_test.shape (2560,)
num_units_per_layer = [100, 50]
### create model
model = Sequential()
model.add(Dense(100, input_dim=(dataset.shape[1]-2), init='uniform', activation='relu'))
model.add(Dense(50, init='uniform', activation='relu'))
model.add(Dense(1, init='uniform', activation='sigmoid'))
model.compile(loss='binary_crossentropy', optimizer='adam', metrics=['accuracy'])
## Fit the model
model.fit(X, Y, validation_data=(X_test, Y_test), nb_epoch=5, batch_size=128)
私の場合、私はこの問題のオートエンコーダーを持っていました。私の行列の私の列の4つは1より大きな値を持っていましたが、残りの284の列は[0,1]の範囲でした。最大値を使用して1より大きい値で列をリベースすると、問題が修正されました。 – shadi
私の場合も共有したいです。私はクロスバイナリエントロピーを用いた画像セグメンテーションのトレーニングにCNN U-Netを使用しています。私は真/偽から私のマスクを255/0に変換してしまい、それが分類器を混乱させ、負の損失を引き起こしました。 –