Re: [問題] 深度學習(deep learning)出問題

看板Python作者pipidog (如果狗狗飛上天)時間6年前 (2017/09/22 03:00)推噓36(36推 0噓 62→)

留言98則, 5人參與討論串2/3 (看更多)

本來用推文的,但越推越長,所以簡單回文好了.沒仔細搞懂你的程式碼,但看到幾點問題: 1.正常的情況下,如果你要做的是分類器,你的output應該是softmax, 而不是用sigmoid,這不是正常會採用的輸出層修正.如果要搞懂 softmax,你最好也花點時間搞懂cross entropy.如果你要做的是回歸器,一般會用均方差.(但我不懂為啥你的程式的loss定義的是平均差? 除非正負號對誤差有意義,不然這很少用.你最好確定一下) 2.新版的tensorflow,已經把initialize_all_variabel改成 tf.global_variables_initializer,你的範例有點舊了. 3.一般來說,多層感知器(也就是最簡單的全連結神經網路)我們不會去設定太多層,通常設個一兩層就夠了.如果你覺得結果不好,先試試看把節點加多,而不是把層加厚.這會讓你的模型簡單一些.如果還是不好,我們再試試看增加層數.不要一股腦地就就出很多層的結構.這樣不僅難以分析,也很容易造成過擬合. 4.一個好的機器學習模型,不是不停地增加複雜度,讓問題可以被擬合的越準越好,而是設計出一個模型,用最低程度的複雜度來回答出問題最好.因為真實場景下的資料是不會盡如人意的,過於複雜的模型除了浪費資源外,你也不容易修正模型.所以一看到問題就先給他來個10層,20層不是好事. 5.看的出來你對機器學習還有神經網路不太懂,其實對於初學者,我是不推薦一開始就從tensorflow上手的,我建議你應該先學scikit learn 跟Keras. scikit learn集成了很多機器學習的模型,你會比較了解 "分類,迴歸,聚類(clustering),降維"這機器學習中的四大基本觀念. 然後你再進到神經網路裡面,你會發現神經網路看似複雜,其實也就是換個手段來處理上面這四大類問題而已.本質上差異不大. 6.如果你開始要進到神經網路了,我建議你可以先試著從Keras上手, Keras是基於tensorflow的高階API,他是以模型導向的方式讓你建構神經網路.而且Keras已經被收錄到tensorflow中了,之後應該會從contrib中移到正式的架構內. 從Keras下手可以先幫助你了解模型,再去深究tensorflow的語法. 如果你對機器學習的模型一無所知就想透過學tensorflow來理解機器模型,是很容易吃鱉的,模型一個沒搞懂就先被他複雜的架構給淹沒了(其實我甚至覺得tensorflow根本就是設計來做後端,他本來就不該拿來做前端使用,你有需要每次開車都先從組裝輪子開始?).這就像是你想學開車,你該做的事情是先去上駕訓班,而不是去學汽車組裝.這不是不行,但那是等你有一天把車玩精了,想改車的時候在做的事情. 說了這麼多,還是想講一點,機器學習的本質,核心,是那些一個一個的模型,模型懂了,其實用哪套東西實作反而是次要的了. -- ※ 發信站: 批踢踢實業坊(ptt.cc), 來自: 73.90.201.243 ※ 文章網址: https://www.ptt.cc/bbs/Python/M.1506020401.A.D48.html

推

joeyccc1

09/22 03:08, , 1^F

09/22 03:08, 1^F

→

joeyccc1

09/22 03:08, , 2^F

09/22 03:08, 2^F

※ 編輯: pipidog (73.90.201.243), 09/22/2017 03:54:38

推

st1009

09/22 11:01, , 3^F