張量流中預測函數的輸出錯誤

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？

來源

2017-01-01 user2148425

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

None參數用於表示不同的訓練實例。對於您的情況，由於您使用的是自定義四通道數據集，因此每個圖像總共有28*28*4個參數。

爲了使這個LSTM工作，你應該儘量做到以下幾點 -

X = np.reshape(X, (-1, 28, 28, 4)) 
testX = np.reshape(testX, (-1, 28, 28, 4)) 

net = tflearn.input_data(shape=[None, 28, 28, 4])

當然，（這個很重要），確保reshape()將對應於一個單一的四個不同渠道numpy陣列的最後一個維度中的像素，而28, 28對應於單個圖像中的像素。

如果您的圖片沒有尺寸28*28，請相應地調整這些參數。

來源

2017-01-01 11:03:57 martianwars

不確定。我跟着這裏的例子https://github.com/tflearn/tflearn/blob/master/tutorials/intro/quickstart.md。在我的情況下，我需要將6更改爲4，因爲每個像素都有4個特徵。但預測結果仍然是1，儘管我期望1和2. 1標籤對應於綠色像素和2到棕色像素。 – user2148425

張量流中預測函數的輸出錯誤

回答

相關問題