1

尝试向我的神经网络添加更多隐藏层，以便我可以使用相同的学习率和动量等比较不同层的精度得分。

所以我有以下内容：

from nolearn.dbn import DBN 
from sklearn.cross_validation import train_test_split

from sklearn.metrics import confusion_matrix
from sklearn.metrics import classification_report
from sklearn.metrics import accuracy_score

numFeat = 50 * 64 
labs = ["BC", "FL", "PRO1", "PRO2", "RP", "SD"]  # Defect types

hiddenAr = [numFeat, 6] # initial params for dbn
pos = len(hiddenAr) - 1

with open("all_defects.csv") as f:
reader = csv.reader(f)
for row in reader:
    input = [int(x) for x in row[:numFeat]]  
    labels += [labs.index(row[-1])]  # categorical labels in numerical form
    data += [input]

X_train, X_test, y_train, y_test = train_test_split(
data, labels, test_size=0.25) 

for i in range (0, layer):
    hiddenAr.insert(pos, 300) # Add hidden layer

    dbn = DBN(
    hiddenAr,
    # Learning rate of algorithm
    learn_rates = 0.03,
    # Decay of learn rate
    learn_rate_decays=1,
    # Iterations of training data (epochs)
    epochs=10,
    # Verbosity level
    verbose=1,
    momentum= 0.03,
    use_re_lu=True
    )

我在那里所做的只是每次将另外 300 个节点添加到另一个隐藏层。但是，当我出于某种原因将图层添加到其中时，它会吐出许多 npmat.py 错误。

这有明显的原因吗？我真的很想自动化它来添加隐藏层，这样我就可以轻松地生成图形和 csv 文件以进行评估。

错误发生在隐藏数组添加了第二层之后，即当 i = 1 时，然后对于之后添加的每一层：

npmat.py:433: RuntimeWarning: 在添加 target.numpy_array[:] = vec.numpy_array + self.numpy_array 中遇到无效值

RuntimeWarning：在 less target.numpy_array[:] = self.numpy_array < val 中遇到无效值

RuntimeWarning：在更大的范围内遇到无效值

npmat.py:969：RuntimeWarning：在乘法中遇到无效值

数据： https ://drive.google.com/file/d/0B12vhoNivII6My1GQ3E3T3JxQm8/view?usp=sharing

4

0 回答 0