machine-learning - MLP 给出不准确的结果

Question

我尝试构建一个具有 2 个隐藏层和 3 个输出类的简单 MLP。我在模型中所做的是：

• 输入图像是 120x120 rgb 图像。展平尺寸（3 * 120 * 120）

• 2 个大小为 100 的隐藏层。

• 使用relu激活

• 输出层有 3 个神经元

代码

def model(input, weights, biases):
   
    l_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])
    l_1 = tf.nn.relu(l_1)

    l_2 = tf.add(tf.matmul(l_1, weights['h2']), biases['b2'])
    l_2 = tf.nn.relu(l_2)

    out = tf.matmul(l_2, weights['out']) + biases['out']
    return out

优化器

pred = model(input_batch, weights, biases)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))
optimizer =   tf.train.GradientDescentOptimizer(rate).minimize(cost)

然而，该模型不起作用。准确度仅等于随机模型的准确度。下面的例子是这个： https ://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py

Answer 1

你有一个复制粘贴错字def model。第一个参数名称是input当它x在下一行时。

当您怀疑模型没有被训练时，另一个使用的技巧是一次又一次地在同一个批次上运行它。如果实施是正确的并且模型正在接受训练，它将很快通过心脏学习该批次，从而产生 100% 的准确度。如果没有，则表明您的实施中有问题。