フィードフォワードニューラルネットワークを実装しようとしました。ケラスニューラルネットワークはすべての入力に対して同じ結果を出力します
構造: 入力層:8ニューロン、隠れ層:8ニューロンおよび出力層:8ニューロン。
入力データは8ビット(入力層の各ニューロンごとに1ビット)のベクトルです。 ニューラルネットワークの出力も8ビットのベクトルです。したがって、データセットには合計256の例があります。
例:X = [0.0、1.0、0.0、0.0、1.0、1.0、0.0、1.0]
与えられた場合、出力は、1.0、0.0、0.0、0.0、0.0、1.0 [= Yでなければなりませんこれは私が出力に得るものです
from keras.models import Sequential
from keras.layers import Dense
import numpy as np
import random
from math import ceil
#Dimension of layers
dim = 8
#Generate dataset
X = []
for i in range(0,2**dim):
n = [float(x) for x in bin(i)[2:]]
X.append([0.]*(dim-len(n))+n)
y = X[:]
random.shuffle(y)
X = np.array(X)
y = np.array(y)
# create model
model = Sequential()
model.add(Dense(dim, input_dim=dim, init='normal', activation='sigmoid'))
model.add(Dense(dim, init='normal', activation='sigmoid'))
model.add(Dense(dim, init='normal', activation='sigmoid'))
# Compile model
model.compile(loss='mse', optimizer='SGD', metrics=['accuracy'])
# Fit the model
model.fit(X, y, nb_epoch=1000, batch_size=50, verbose=0)
# evaluate the model
scores = model.evaluate(X, y)
print("%s: %.2f%%" % (model.metrics_names[1], scores[1]*100))
output = model.predict(X)
#Make the output binary
for i in range(0, output[:,0].size):
for j in range(0, output[0].size):
if output[i][j] > 0.5 or output[i][j] == 0.5:
output[i][j] = 1
else:
output[i][j] = 0
print(output)
:0.0は、1.0]
これが実装され
acc: 50.39%
[[ 1. 0. 0. ..., 0. 1. 1.]
[ 1. 0. 0. ..., 0. 1. 1.]
[ 1. 0. 0. ..., 0. 1. 1.]
...,
[ 1. 0. 0. ..., 0. 1. 1.]
[ 1. 0. 0. ..., 0. 1. 1.]
[ 1. 0. 0. ..., 0. 1. 1.]]
それはと思われるアルl出力は同じ値を持ちます。だから私は設定の何が間違っているのかわかりません。私はこれを試みましたCannot train a neural network in keras - stackoverflow出力層でアクティベーション関数を削除することを示唆しましたが、これを実行すると、この値ですべての出力ベクトルを取得します。 ]
どのように動作させるかについての洞察はありますか?
これを何回再実行しようとしましたか?多分別のオプティマイザや正規化/ランダム化アルゴリズムを使用すると役に立つかもしれません。あなたのネットワークはローカルのミニマについているようです。 –
私は15回のようにそれを再実行しようとし、同じ結果を得ました。私は "アダム"を使ってみましたが、 "relu"アクティベーションを試してみましたが、少しばかげてしまいました。 –
例を使用しようとしましたか?脱落?またはバッチ正規化? –