蟒蛇TFlearn - 損失太高

修復我的輸入形狀問題後，我跑我的程序，問題是程序打印的總損失太高了（如果我比較它的快速入門教程）。蟒蛇TFlearn - 損失太高

我的目標是通過使用過去的數據（我有超過10M的條目與分數標記）預測未來入境擁堵，所以我不應該有培訓問題。

這裏是我的代碼：

我的Excel文件，有這種樣子的（2列，100名000法分）

calculed_at , congestion 
1 , 56 
2 , 21

這是結果會是什麼樣子（15劃時代）：

Training samples: 50000 
Validation samples: 0 
.... 
-- 
Training Step: 40625 | total loss: 15.27961 | time: 17.659s 
| Adam | epoch: 013 | loss: 15.27961 - acc: 0.7070 -- iter: 50000/50000 
-- 
Training Step: 43750 | total loss: 15.66268 | time: 17.549s 
| Adam | epoch: 014 | loss: 15.66268 - acc: 0.7247 -- iter: 50000/50000 
-- 
Training Step: 46875 | total loss: 15.94696 | time: 18.037s 
| Adam | epoch: 015 | loss: 15.94696 - acc: 0.7581 -- iter: 50000/50000 
--

你知道什麼會導致如此高的損失嗎？這看起來很奇怪，因爲印刷的精確度似乎不算太差。感謝您的幫助。

編輯：這似乎是，當我把論文的值，因爲當我嘗試剛纔我總損失超過280（以下0,3或略高於精度）的好時機。

來源

2017-06-30 Eric Godard

你介意共享csv文件進行調試嗎？ –

立即引起我的思考的是，這是一個完全線性的網絡。如果你看看tflearn API，你的激活默認爲'linear'。首先將其更改爲非線性，然後查看它是否有效。此外，由於這是一個迴歸，爲什麼你的損失'categorical_crossentropy'？詳細闡述你的'data'和'labels'會有所幫助。 – jkschin

@jkschin我不太習慣tflearn，我試過「softmax」而不是線性的，但並不是更好。對於categorical_crossentropy，我使用它是因爲它在快速入門教程中，我不知道我應該選擇哪一種。通過詳細闡述數據和標籤，你的意思是什麼？ –

對於時間序列，您可以通過考慮時間窗的幀來構建輸入/輸出樣本。在每個窗口中，如果樣品是{0, 1, ...N}，請選擇第一個N-1樣品作爲輸入，最後一個樣品作爲輸出。然後你可以做迴歸來做time prediction。

來源

2017-07-08 14:58:48

蟒蛇TFlearn - 損失太高

回答

相關問題