に立ち往生tensorflowを使用して、単一ニューロンでの実装と機能である:バックプロパゲーションアルゴリズムは、ここでのトレーニングと機能
def tf_sigmoid(x):
return 1/(1 + tf.exp(-x))
data = [
(0, 0),
(0, 1),
(1, 0),
(1, 1),
]
labels = [
0,
0,
0,
1,
]
n_steps = 1000
learning_rate = .1
x = tf.placeholder(dtype=tf.float32, shape=[2])
y = tf.placeholder(dtype=tf.float32, shape=None)
w = tf.get_variable('W', shape=[2], initializer=tf.random_normal_initializer(), dtype=tf.float32)
b = tf.get_variable('b', shape=[], initializer=tf.random_normal_initializer(), dtype=tf.float32)
h = tf.reduce_sum(x * w) + b
output = tf_sigmoid(h)
error = tf.abs(output - y)
optimizer = tf.train.GradientDescentOptimizer(learning_rate).minimize(error)
sess.run(tf.initialize_all_variables())
for step in range(n_steps):
for i in np.random.permutation(range(len(data))):
sess.run(optimizer, feed_dict={x: data[i], y: labels[i]})
時にはそれが完璧に動作しますが、いくつかのパラメータにそれが立ち往生し、したくありません学ぶ。例えば、これらの初期パラメータでは:
w = tf.Variable(initial_value=[-0.31199348, -0.46391705], dtype=tf.float32)
b = tf.Variable(initial_value=-1.94877, dtype=tf.float32)
コスト関数の改善はほとんどありません。私は間違って何をしていますか、多分私は何とかパラメータの初期化を調整する必要がありますか?
これはすばらしい答えです、ありがとう! (バッチを使わないので意味がないと思うので平均はない) –