我將對圖像執行基於像素的分類。下面是我用於訓練NN代碼張量流中預測函數的輸出錯誤
net = input_data(shape=[None, 1,4])
net = tflearn.lstm(net, 128, return_seq=True)
net = tflearn.lstm(net, 128)
net = tflearn.fully_connected(net, 1, activation='softmax')
net = tflearn.regression(net, optimizer='adam',
loss='categorical_crossentropy')
model = tflearn.DNN(net, tensorboard_verbose=2, checkpoint_path='model.tfl.ckpt')
X_train = np.expand_dims(X_train, axis=1)
model.fit(X_train, y_train, n_epoch=1, validation_set=0.1, show_metric=True,snapshot_step=100)
的問題是,訓練模型,p.array結果後(model.predict(x_test))爲1只,雖然我希望這是無論是2或3.在一個例子中,我有4類對象,我期望該命令的結果是2和5之間的標籤(注意:y_train的int值介於2和5之間),但預測的輸出功能是1.這可能是訓練階段的問題嗎?
你絕對需要增加'n_epoch'。我沒有使用'tf_learn'軟件包,但是當你的問題是分類時,你如何使用'regression'? – martianwars
我是新手,只想做一些測試,並從TFlearn網頁https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py – user2148425
複製此代碼嘗試增加'n_epoch'到5或10,看看是否有幫助?你是否一直在所有測試數據中獲得'1'? – martianwars