测试精度0.5 TensorFlow RNN可变长度字符串

Question

在改编了您在帖子末尾的链接中找到的以下代码之后，即从字母0-1读取可变长度字符串文件并通过{{1}设置层数的能力}和LSTMCell我得到精度为0.5的值。

特别是，字符串是常规语言，每个字符串都标记为接受而不接受。

我想知道哪些参数变化以获得更高精度的值：

可设置的参数：

  

learning_rate - training_iters - batch_size - display_step - n_layers    - seq_max_len - n_hidden - n_classes。

提前致谢！

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dynamic_rnn.py

Answer 1

如果没有更多信息，很难回答这个问题。我将从一般观点独立地解决每个参数：

• n_classes：从您的描述中我了解到您正在解决二进制分类问题。因此，n_classes = 2。
• seq_max_len表示序列的最大长度。您可以从计算输入的最大长度开始并使用它（或者如果最大长度太大则使用任何其他合理的长度）。
• n_layers，n_hidden - 我建议你在获得一个能够学习的模型时调整这些参数。首先，将它们设置为某个较低的值，例如n_layers = 1或2，n_hidden = 64。
• batch_size - 100或其他关闭应该可以开始，
• display_step - 它不会影响结果模型的质量，也不会影响脚本打印中间统计数据的频率。
• learning_rate - 您应该选择此值，以便减少模型损失。如果损失没有减少，请选择较低的learning_rate
• training_iters - 您应该监控验证集上的损失（以及其他指标）并选择最佳迭代次数。