Question

我正在使用深度神经网络（多层感知器）进行关键字定位，我面临以下问题。

我必须检测语音信号中的关键字。我使用Tensorflow库，并根据此example编写代码。

'''
A Multilayer Perceptron implementation example using TensorFlow library.
This example is using the MNIST database of handwritten digits
(http://yann.lecun.com/exdb/mnist/)
Author: Aymeric Damien
Project: https://github.com/aymericdamien/TensorFlow-Examples/
'''

# Import MINST data
from tensorflow.examples.tutorials.mnist import input_data
mnist = input_data.read_data_sets("/tmp/data/", one_hot=True)

import tensorflow as tf

# Parameters
learning_rate = 0.001
training_epochs = 15
batch_size = 100
display_step = 1

# Network Parameters
n_hidden_1 = 256 # 1st layer number of features
n_hidden_2 = 256 # 2nd layer number of features
n_input = 784 # MNIST data input (img shape: 28*28)
n_classes = 10 # MNIST total classes (0-9 digits)

# tf Graph input
x = tf.placeholder("float", [None, n_input])
y = tf.placeholder("float", [None, n_classes])


# Create model
def multilayer_perceptron(x, weights, biases):
    # Hidden layer with RELU activation
    layer_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])
    layer_1 = tf.nn.relu(layer_1)
    # Hidden layer with RELU activation
    layer_2 = tf.add(tf.matmul(layer_1, weights['h2']), biases['b2'])
    layer_2 = tf.nn.relu(layer_2)
    # Output layer with linear activation
    out_layer = tf.matmul(layer_2, weights['out']) + biases['out']
    return out_layer

# Store layers weight & bias
weights = {
    'h1': tf.Variable(tf.random_normal([n_input, n_hidden_1])),
    'h2': tf.Variable(tf.random_normal([n_hidden_1, n_hidden_2])),
    'out': tf.Variable(tf.random_normal([n_hidden_2, n_classes]))
}
biases = {
    'b1': tf.Variable(tf.random_normal([n_hidden_1])),
    'b2': tf.Variable(tf.random_normal([n_hidden_2])),
    'out': tf.Variable(tf.random_normal([n_classes]))
}

# Construct model
pred = multilayer_perceptron(x, weights, biases)

# Define loss and optimizer
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))
optimizer = tf.train.AdamOptimizer(learning_rate=learning_rate).minimize(cost)

# Initializing the variables
init = tf.initialize_all_variables()

# Launch the graph
with tf.Session() as sess:
    sess.run(init)

    # Training cycle
    for epoch in range(training_epochs):
        avg_cost = 0.
        total_batch = int(mnist.train.num_examples/batch_size)
        # Loop over all batches
        for i in range(total_batch):
            batch_x, batch_y = mnist.train.next_batch(batch_size)
            # Run optimization op (backprop) and cost op (to get loss value)
            _, c = sess.run([optimizer, cost], feed_dict={x: batch_x,
                                                          y: batch_y})
            # Compute average loss
            avg_cost += c / total_batch
        # Display logs per epoch step
        if epoch % display_step == 0:
            print "Epoch:", '%04d' % (epoch+1), "cost=", \
                "{:.9f}".format(avg_cost)
    print "Optimization Finished!"

    # Test model
    correct_prediction = tf.equal(tf.argmax(pred, 1), tf.argmax(y, 1))
    # Calculate accuracy
    accuracy = tf.reduce_mean(tf.cast(correct_prediction, "float"))
    print "Accuracy:", accuracy.eval({x: mnist.test.images, y: mnist.test.labels})

我使用具有双delta的MFCC功能训练我的网络。在输入中，我有2300个输入，对应于MFCC大约600ms，以便添加上下文。在输出中，我有2个类mykeyword和另一个类filler。

我有一个带有ReLU激活和softmax输出层的3x128 MLP。我也集中并使我的数据变白了。

我的标签矢量看起来像：[ 1 0 ]用于关键字，[ 0 1 ]用于＆＃34;填充＆＃34;。

我想在最后获得一个概率来检测关键字的置信度，因此我可以使用一个阈值。但是，在softmax图层之后，对于测试数据的每个示例，我只获得0或1。我真的不明白为什么......

谢谢

Answer 1

在数字无限精确的世界里，你的模型会略有不同。您实际上会在模型末尾使用tf.nn.softmax，并针对cross_entropy进行优化。但是，数字具有精确度，并且在反向传递过程中交叉熵跟随softmax的计算梯度将导致数值不稳定。

问题是，softmax -> cross_entropy的组合梯度非常稳定（它只是softmax的输出，用于正确的预测，而output - 1用于不正确）。因此，tensorflow允许您直接针对softmax + crossentropy进行优化，在这种情况下，它使用稳定的计算渐变的方式。

这引入了一个问题 - 图中没有节点实际计算概率，概率隐藏在该目标函数内。

要解决此问题，请在图表中添加一个额外的节点：

prob = tf.nn.softmax(pred)

并评估它。它会返回实际的概率。

您观察到的0和1可能是argmax的输出。 argmax是＆＃34;很难＆＃34;从某种意义上说它只返回最大值，而不是概率（无论你是在softmax之前还是之后计算它，最大值都很方便地匹配。）

深度神经网络：概率问题

1 个答案: