Question

我试图教我的多层神经网络XOR功能。我有一个架构网络[2,2,1]。我将损失定义为平方误差的总和（我知道它不理想，但我需要它）。如果我将所有图层的激活函数设置为sigmoid函数，我总是陷入局部最优（大约0.25，所有输出都在0.5左右）。如果我将隐藏层的激活功能更改为ReLU，我有时会陷入相同的最佳状态，但有时我会解决它。这可能是因为我使用均方误差而不是交叉熵吗？以防万一，这是我的神经网络代码：

import tensorflow as tf

def weight_variable(shape):
    initial = tf.truncated_normal(shape, stddev=0.5)
    return tf.Variable(initial)

def bias_variable(shape):
    initial = tf.constant(0.1, shape=shape)
    return tf.Variable(initial)

class FCLayer():
    def __init__(self, inputs, outputs, activation):
        self.W = weight_variable([inputs, outputs])
        self.b = bias_variable([outputs])
        self.activation = activation

    def forward(self, X):
        s = tf.matmul(X, self.W) + self.b
        return self.activation(s)

class Network:
    def __init__(self, architecture, activations=None):

        self.layers = []

        for i in range(len(architecture)-1):
            self.layers.append(FCLayer(architecture[i], architecture[i+1],
                                       tf.nn.sigmoid if activations==None else activations[i]))

        self.x = tf.placeholder(tf.float32, shape=[None, architecture[0]])

        self.out = self.x
        for l in self.layers:
            self.out = l.forward(self.out)

        self.session = tf.Session();
        self.session.run(tf.initialize_all_variables())

    def train(self, X, Y_, lr, niter):

        y = tf.placeholder(tf.float32, shape=[None, Y_.shape[1]])
        loss = tf.reduce_mean((self.out - y)**2)
        #loss = tf.reduce_sum(tf.nn.sigmoid_cross_entropy_with_logits(self.out, y))

        train_step = tf.train.GradientDescentOptimizer(lr).minimize(loss)

        errs = [];
        for i in range(niter):
            train_step.run(feed_dict={self.x: X, y: Y_},session=self.session)
            errs.append(loss.eval(feed_dict={self.x: X, y: Y_},session=self.session))

        return errs;

    def predict(self, X):
        return self.out.eval(feed_dict={self.x: X}, session = self.session)

更新：我尝试了更复杂的架构（[2,2,2,1]），但仍然没有成功。

Answer 1

解决了这个问题，由于某种原因，0.1的学习率太小了。我要说这个问题已经解决了，我只需要提高学习率。

教授完全连接的前馈神经网络XOR功能

1 个答案: