測試精度0.5 TensorFlow RNN可變長度字符串

Question

在文章末尾的鏈接中找到以下代碼後，即從字母表0-1的可變長度字符串文件讀取並設置通過LSTMCell和MultiRNNCell的層數我得到了0.5的準確值。

特別是，字符串是一種常規語言，每個字符串被標記爲接受和不接受。

我想上改變什麼參數，以獲得更高的精度值一些建議：

可能的參數進行設置：

learning_rate - training_iters - 的batch_size - display_step - n_layers - seq_max_len - n_hidden - n_classes。

在此先感謝！

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dynamic_rnn.py

Answer 1

這是很難回答這個問題，沒有更多的信息。我將從一般的角度獨立解決每個參數：

• n_classes：從您的描述我明白您正在解決二元分類問題。因此，n_classes = 2。
• seq_max_len表示序列的最大長度。您可以從計算輸入的最大長度開始並使用它（或者如果最大長度太大，則使用任何其他合理的長度）。
• n_layers，n_hidden - 我建議在獲得能夠學習的模型時調整這些參數。首先，將它們設置爲一些較低的值，例如n_layers = 1或2，n_hidden = 64
• 的batch_size - 100或接近的東西應該是OK，首先，
• display_step - 它不會影響導致模型的質量，是多麼頻繁的腳本打印中間統計。
• learning_rate - 您應該選擇此值，以減少模型損失。如果損失不降低，請選擇較低的學習率。培訓_iters - 您應該監控驗證集上的損失（以及其他度量），並選擇最佳的迭代次數。