如何为Keras准备数据集？

Question

动机

通过Keras神经网络运行一组带标签的向量。

实施例

查看Keras数据集示例mnist：

keras.datasets import mnist
(x_tr, y_tr), (x_te, y_te) = mnist.load_data()
print x_tr.shape

它似乎是一个三维的numpy数组：

(60000, 28, 28)

• 第一维用于样本
• 每个样本的第2和第3个功能

尝试

构建标记的向量：

X_train = numpy.array([[1] * 128] * (10 ** 4) + [[0] * 128] * (10 ** 4))
X_test = numpy.array([[1] * 128] * (10 ** 2) + [[0] * 128] * (10 ** 2))

Y_train = numpy.array([True] * (10 ** 4) + [False] * (10 ** 4))
Y_test = numpy.array([True] * (10 ** 2) + [False] * (10 ** 2))

X_train = X_train.astype("float32")
X_test = X_test.astype("float32")

Y_train = Y_train.astype("bool")
Y_test = Y_test.astype("bool")

培训代码

model = Sequential()
model.add(Dense(128, 50))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(50, 50))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(50, 1))
model.add(Activation('softmax'))

rms = RMSprop()
model.compile(loss='binary_crossentropy', optimizer=rms)

model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
          show_accuracy=True, verbose=2, validation_data=(X_test, Y_test))

score = model.evaluate(X_test, Y_test, show_accuracy=True, verbose=0)
print('Test score:', score[0])
print('Test accuracy:', score[1])

结果

Test score: 13.9705320154
Test accuracy: 1.0

为什么我会为这样一个简单的数据集得到如此糟糕的结果？ 我的数据集格式错误吗？

谢谢！

Answer 1

仅在一个输出节点上的softmax没有多大意义。如果您将model.add(Activation('softmax'))更改为model.add(Activation('sigmoid'))，则表明您的网络运行良好。

或者，您也可以使用两个输出节点，其中1, 0代表True，0, 1代表False。然后你可以使用softmax图层。您只需相应地更改Y_train和Y_test。