我得到了一个非常高的损失(170+)。我正在做一个自动编码器与3隐藏层和使用SGD作为我的优化。我用交叉熵作为损失函数。最初,我得到的精确度相当不错(约0.88),但几乎每过一个历元,精确度都会下降。你知道吗
这是我的密码:
encoding_dim=8
i=Input(shape=(60,))
encoded=Dense(30,activation='sigmoid')(i)
encoded1=Dense(15,activation='sigmoid')(encoded)
encoded2=Dense(8,activation='relu')(encoded1)
#encoded=Dense(encoding_dim,activation='sigmoid')(encoded2)
decoded=Dense(15,activation='sigmoid')(encoded2)
decoded2 =Dense(30,activation='sigmoid')(decoded)
decoded3 =Dense(60,activation='sigmoid')(decoded2)
autoencoder = Model(i, decoded3)
ec = Model(i,encoded)
encoded_input=Input(shape=(encoding_dim,))
decoder_layer=autoencoder.layers[-3](encoded_input)
decoder_layer=autoencoder.layers[-2](decoder_layer)
decoder_layer=autoencoder.layers[-1](decoder_layer)
decoder = Model(encoded_input, decoder_layer)
from keras.optimizers import SGD
opt = SGD(lr=0.06)
#model.compile(loss = "categorical_crossentropy", optimizer = opt)
autoencoder.compile(loss = "categorical_crossentropy", optimizer = opt,metrics=['accuracy'])
autoencoder.fit(X_Train, X_Train,
epochs=200,
batch_size=200,
shuffle=True,
validation_data=(X_Test, X_Test))
#encoded_out= ec.predict(X_Test)
#decoded_out=decoder.predict(encoded_out)
至少在原则上,
sigmoid
应该只用于最后一个解码层(这里是decoded3
)-参见Building Autoencoders in Keras中的示例。因此,将所有其他激活更改为relu
。你知道吗而且,在自动编码器中,精确性也没有意义—只需将其从模型编译中移除,并将注意力集中在损失。你知道吗
相关问题 更多 >
编程相关推荐