Question

以下编辑

我正在学习使用Keras库的人工神经网络，为了确保我对神经网络分类的基础知识有一个很好的理解，我一直试图用Keras重现一个用Keras编写的神经网络。只有张量流。但是，我遇到了一些问题。

training_epochs = 100
n_input = 11
n_hidden_1 = 6
n_hidden_2 = 6
n_output = 1

classifier = Sequential()
classifier.add(Dense(output_dim=n_hidden_1, init='uniform', activation='relu', input_dim=n_input))
classifier.add(Dense(output_dim=n_hidden_2, init='uniform', activation='relu'))
classifier.add(Dense(output_dim=n_output, init='uniform', activation='sigmoid'))
classifier.compile(optimizer='adam', loss='binary_crossentropy', metrics=['accuracy'])

classifier.fit(X_train, y_train, batch_size=10, nb_epoch=training_epochs)

y_pred = classifier.predict(X_test)
y_pred = (y_pred > 0.5)
cm = confusion_matrix(y_test, y_pred)
print(cm)

所以基本上我使用的神经网络有2个大小为6的隐藏层，一个大小为11的输入层和一个大小为1的输出。我的输出使用sigmoid函数生成概率，以便将训练数据分类为二进制类别。我尝试使用tensorflow重现这一点，如下所示：

 training_epochs = 100
 n_input = 11
 n_hidden_1 = 6
 n_hidden_2 = 6
 n_output = 1

 def neuralNetwork(x, weights):
    layer_1 = tf.matmul(x, weights['h1'])
    layer_1 = tf.nn.relu(layer_1)
    layer_2 = tf.matmul(layer_1, weights['h2'])
    layer_2 = tf.nn.relu(layer_2)
    output_layer = tf.matmul(layer_2, weights['output'])
    return output_layer

 weights = {
    'h1': tf.Variable(tf.random_uniform([n_input, n_hidden_1])),
    'h2': tf.Variable(tf.random_uniform([n_hidden_1, n_hidden_2])),
    'output': tf.Variable(tf.random_uniform([n_hidden_2, n_output]))
}

 x = tf.placeholder('float', [None, n_input]) # [?, 11]
 y = tf.placeholder('float', [None, n_output]) # [?, 1]

 logits = neuralNetwork(x, weights)
 prediction = tf.nn.softmax(logits)

 cost = tf.reduce_mean(tf.nn.sigmoid_cross_entropy_with_logits(logits=logits,labels=y))
 optimizer = tf.train.AdamOptimizer().minimize(cost)

 init = tf.global_variables_initializer()
 with tf.Session() as session:
    session.run(init)
    for epoch in range(training_epochs):
        loss, accuracy = session.run([optimizer, cost], feed_dict={x:X_train, y:y_train})
        print('Epoch: {} Acc: {}'.format(epoch+1, accuracy))
    print('Model has completed training.')

然而，我一直收到错误：

Cannot feed value of shape (8000,) for Tensor 'Placeholder_1:0', which has shape '(?, 1)

我的输入数据有8000行，有11列，我的输出数据有8000行和1列。为了尝试重塑我的数据，我尝试逐行喂它，但我不断收到更多错误。我是以正确的方式来做这件事的吗？任何帮助将不胜感激！

编辑：所以我按照给定的建议更新了我的代码。我现在正在获得准确性的输出，但是，它似乎在4-5％左右完成。此外，准确性似乎也随着时间的推移而降低而不是改善。当我将训练时期的数量增加到200时，准确度下降得更低（达到2％左右）。

Epoch: 1 Acc: 7.641509056091309
...
...
Epoch: 100 Acc: 4.339457035064697

用张量流再现keras神经网络的麻烦

0 个答案: