我将对图像执行基于像素的分类。下面是我用于训练NN代码张量流中预测函数的输出错误
net = input_data(shape=[None, 1,4])
net = tflearn.lstm(net, 128, return_seq=True)
net = tflearn.lstm(net, 128)
net = tflearn.fully_connected(net, 1, activation='softmax')
net = tflearn.regression(net, optimizer='adam',
loss='categorical_crossentropy')
model = tflearn.DNN(net, tensorboard_verbose=2, checkpoint_path='model.tfl.ckpt')
X_train = np.expand_dims(X_train, axis=1)
model.fit(X_train, y_train, n_epoch=1, validation_set=0.1, show_metric=True,snapshot_step=100)
的问题是,训练模型,p.array结果后(model.predict(x_test))为1只,虽然我希望这是无论是2或3.在一个例子中,我有4类对象,我期望该命令的结果是2和5之间的标签(注意:y_train的int值介于2和5之间),但预测的输出功能是1.这可能是训练阶段的问题吗?
你绝对需要增加'n_epoch'。我没有使用'tf_learn'软件包,但是当你的问题是分类时,你如何使用'regression'? – martianwars
我是新手,只想做一些测试,并从TFlearn网页https://github.com/tflearn/tflearn/blob/master/examples/images/rnn_pixels.py – user2148425
复制此代码尝试增加'n_epoch'到5或10,看看是否有帮助?你是否一直在所有测试数据中获得'1'? – martianwars