を意味するように収束します。トレーニングデータには、出力に対して約69%のゼロがあります。入力フィーチャは実数であり、平均を差し引いて標準偏差で割ることによって正規化しました。私は関係なく、私が試したどのような技術、ネットワークを実行していないたびに、私はモデル> 69%が正確に得ることができない、と私YHATがすべてゼロに収束されるように見えます。Tensorflowは、私がtensorflowを使用してバイナリ出力を予測しようとしています
私は別のオプティマイザ、損失関数、バッチサイズなどのような多くのことを試してみた..しかし、関係なく、私は何をすべきか、それは69%に収束し、決してオーバー行きます。私は私がやっていると、よりfundemental問題があります推測しているが、私はそれを見つけるように見えることはできません。ここで
はあなたが一定のドロップアウトを使用している私のコード
X = tf.placeholder(tf.float32,shape=[None,14],name='X')
Y = tf.placeholder(tf.float32,shape=[None,1],name='Y')
W1 = tf.Variable(tf.truncated_normal(shape=[14,20],stddev=0.5))
b1 = tf.Variable(tf.zeros([20]))
l1 = tf.nn.relu(tf.matmul(X,W1) + b1)
l1 = tf.nn.dropout(l1,0.5)
W2 = tf.Variable(tf.truncated_normal(shape=[20,20],stddev=0.5))
b2 = tf.Variable(tf.zeros([20]))
l2 = tf.nn.relu(tf.matmul(l1,W2) + b2)
l2 = tf.nn.dropout(l2,0.5)
W3 = tf.Variable(tf.truncated_normal(shape=[20,15],stddev=0.5))
b3 = tf.Variable(tf.zeros([15]))
l3 = tf.nn.relu(tf.matmul(l2,W3) + b3)
l3 = tf.nn.dropout(l3,0.5)
W5 = tf.Variable(tf.truncated_normal(shape=[15,1],stddev=0.5))
b5 = tf.Variable(tf.zeros([1]))
Yhat = tf.matmul(l3,W5) + b5
loss = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=Yhat, labels=Y))
learning_rate = 0.005
l2_weight = 0.001
learner = tf.train.AdamOptimizer(learning_rate).minimize(loss)
correct_prediction = tf.equal(tf.greater(Y,0.5), tf.greater(Yhat,0.5))
accuracy = tf.reduce_mean(tf.cast(correct_prediction, tf.float32))
感謝。それは問題を解決しませんでしたが、私はこのハトルを過ぎると、それが助けになると確信しています。 – Iinferno1