我用pybrain构建了这个示例:
from pybrain.tools.shortcuts import buildNetwork
from pybrain.datasets import SupervisedDataSet
from pybrain.supervised.trainers import BackpropTrainer
net = buildNetwork(3, 3, 1)
dataSet = SupervisedDataSet(3, 1)
dataSet.addSample((0, 0, 0), (0))
dataSet.addSample((1, 1, 1), (0))
dataSet.addSample((1, 0, 0), (1))
dataSet.addSample((0, 1, 0), (1))
dataSet.addSample((0, 0, 1), (1))
trainer = BackpropTrainer(net, dataSet)
trainer.trainUntilConvergence()
result = net.activate([0, 0, 0])
print result
输出为:[0.10563189]
我不知道activate()的输出是什么。网络是经过训练的,我用一个训练样本测试它的输出,所以我期望值和训练样本中的值完全一样。输入[0,0,0]应该得到输出0。我错过了什么?如何获得有效结果?在
更令人困惑的是,每次我运行这段代码,得到的结果都不一样。我显然做错了什么。它是什么?在
训练一个网络直到收敛并不意味着训练集被完全记住。原因有很多:隐藏层的大小、激活函数、学习率等,所有这些参数都需要调整。在
相关问题 更多 >
编程相关推荐