Question

新手深入学习。通过gogoel tensorflow（https://github.com/tensorflow/tensorflow/blob/master/tensorflow/examples/tutorials/mnist/mnist_softmax.py）的MNIST_SOFTMAX.py教程，我添加了两个新层，只是为了看看会发生什么。

x = tf.placeholder(tf.float32, [None, 784])
W = tf.Variable(tf.zeros([784, 10]))
b = tf.Variable(tf.zeros([10]))
y = tf.matmul(x, W) + b

将上面的代码更改为

x = tf.placeholder(tf.float32, [None, 784])
W1 = tf.Variable(tf.zeros([784, 256]))
W2 = tf.Variable(tf.zeros([256, 256]))
W3 = tf.Variable(tf.zeros([256, 10]))

B1 = tf.Variable(tf.zeros([256]))
B2 = tf.Variable(tf.zeros([256]))
B3 = tf.Variable(tf.zeros([10]))

Y1 = tf.matmul(x, W1) + B1
Y2 = tf.matmul(Y1, W2) + B2
Y3 = tf.matmul(Y2, W3) + B3
y = Y3

它将准确度从0.9188降至0.1028。我可以知道它为什么会掉落。

Answer 1

我认为你需要symmetry breaking in the weights和层之间的非线性激活：

W = tf.Variable(tf.random_normal([784, 256], stddev=0.1)) 
W1 = tf.Variable(tf.random_normal([256, 256], stddev=0.1))
W2 = tf.Variable(tf.random_normal([256, 10], stddev=0.1))
b = tf.Variable(tf.zeros([256]))
b1 = tf.Variable(tf.zeros([256]))
b2 = tf.Variable(tf.zeros([10]))

y = tf.matmul(x, W) + b
y = tf.nn.relu(y)
y = tf.matmul(y, W1) + b1
y = tf.nn.relu(y)
y = tf.matmul(y, W2) + b2

准确度为0.9653。

Answer 2

您遇到与this post中回答的问题相同的问题。从本质上讲，你的第一个隐藏层比上一个学习慢得多。通常，您的网络应该学习正确的权重。然而，在这里，第一层中的权重很可能变化很小，并且误差传播到下一层。它太大了，以后的层不可能纠正它。检查重量。

Answer 3

您需要在图层之间添加非线性激活功能。试试ReLU。

向张量流MNIST教程添加更多图层会使精度下降

3 个答案: