我们正在开始一个利用CNTK创建二元分类器的项目。
我们的数据集如下所示：
|attribs 1436000 24246.3124164245 |isMatch 1
|attribs 535000 21685.9351529239 |isMatch 1
|attribs 729000 8988.24232231086 |isMatch 1
|attribs 436000 4787.7521169184 |isMatch 1
|attribs 110000 38236394.456649 |isMatch 0
|attribs 808000 39512500.9870238 |isMatch 0
|attribs 108000 28432968.9161523 |isMatch 0
|attribs 816000 39512231.5629576 |isMatch 0
我们正在努力确定校车站是否符合计划路线。第一个值是计划停止和实际停止之间的增量时间（以毫秒为单位），第二个值是计划位置和实际位置（毫米）之间的增量距离。
我遇到的问题是（可能是对如何使用CNTK的根本误解）无论我如何调整数据，隐藏节点，批量大小或任何其他旋钮，我都会继续得到几乎相同的结果。我可以评估最荒谬的输入，并且我一直得到1.00。
我应该如何修改数据或模型以获得更准确的结果？
完整的代码在这里：
import numpy as np
import cntk as C
from cntk import Trainer # to train the NN
from cntk.learners import sgd, learning_rate_schedule, \
UnitType
from cntk.ops import * # input_variable() def
from cntk.logging import ProgressPrinter
from cntk.initializer import glorot_uniform
from cntk.layers import default_options, Dense
from cntk.io import CTFDeserializer, MinibatchSource, \
StreamDef, StreamDefs, INFINITELY_REPEAT
def my_print(arr, dec):
# print an array of float/double with dec decimals
fmt = "%." + str(dec) + "f" # like %.4f
for i in range(0, len(arr)):
print(fmt % arr[i] + ' ', end='')
print("\n")
def create_reader(path, is_training, input_dim, output_dim):
return MinibatchSource(CTFDeserializer(path, StreamDefs(
features=StreamDef(field='attribs', shape=input_dim,
is_sparse=False),
labels=StreamDef(field='isMatch', shape=output_dim,
is_sparse=False)
)), randomize=is_training,
max_sweeps=INFINITELY_REPEAT if is_training else 1)
def save_weights(fn, ihWeights, hBiases,
hoWeights, oBiases):
f = open(fn, 'w')
for vals in ihWeights:
for v in vals:
f.write("%s\n" % v)
for v in hBiases:
f.write("%s\n" % v)
for vals in hoWeights:
for v in vals:
f.write("%s\n" % v)
for v in oBiases:
f.write("%s\n" % v)
f.close()
def do_demo():
# create NN, train, test, predict
input_dim = 2
hidden_dim = 30
output_dim = 1
train_file = "trainData_cntk.txt"
test_file = "testData_cntk.txt"
input_Var = C.ops.input_variable(input_dim, np.float32)
label_Var = C.ops.input_variable(output_dim, np.float32)
print("Creating a 2-21 tanh softmax NN for Stop data ")
with default_options(init=glorot_uniform()):
hLayer = Dense(hidden_dim, activation=C.ops.tanh,
name='hidLayer')(input_Var)
oLayer = Dense(output_dim, activation=C.ops.softmax,
name='outLayer')(hLayer)
nnet = oLayer
# ----------------------------------
print("Creating a cross entropy mini-batch Trainer \n")
ce = C.cross_entropy_with_softmax(nnet, label_Var)
pe = C.classification_error(nnet, label_Var)
fixed_lr = 0.05
lr_per_batch = learning_rate_schedule(fixed_lr,
UnitType.minibatch)
learner = C.sgd(nnet.parameters, lr_per_batch)
trainer = C.Trainer(nnet, (ce, pe), [learner])
max_iter = 5000 # 5000 maximum training iterations
batch_size = 100 # mini-batch size 5
progress_freq = 1000 # print error every n minibatches
reader_train = create_reader(train_file, True, input_dim,
output_dim)
my_input_map = {
input_Var: reader_train.streams.features,
label_Var: reader_train.streams.labels
}
pp = ProgressPrinter(progress_freq)
print("Starting training \n")
for i in range(0, max_iter):
currBatch = reader_train.next_minibatch(batch_size,
input_map=my_input_map)
trainer.train_minibatch(currBatch)
pp.update_with_trainer(trainer)
print("\nTraining complete")
# ----------------------------------
print("\nEvaluating test data \n")
reader_test = create_reader(test_file, False, input_dim,
output_dim)
numTestItems = 200
allTest = reader_test.next_minibatch(numTestItems,
input_map=my_input_map)
test_error = trainer.test_minibatch(allTest)
print("Classification error on the test items = %f"
% test_error)
# ----------------------------------
# make a prediction for an unknown flower
# first train versicolor = 7.0,3.2,4.7,1.4,0,1,0
unknown = np.array([[10000002000, 24275329.7232828]], dtype=np.float32)
print("\nPredicting Stop Match for input features: ")
my_print(unknown[0], 1) # 1 decimal
predicted = nnet.eval({input_Var: unknown})
print("Prediction is: ")
my_print(predicted[0], 3) # 3 decimals
# ---------------------------------
print("\nTrained model input-to-hidden weights: \n")
print(hLayer.hidLayer.W.value)
print("\nTrained model hidden node biases: \n")
print(hLayer.hidLayer.b.value)
print("\nTrained model hidden-to-output weights: \n")
print(oLayer.outLayer.W.value)
print("\nTrained model output node biases: \n")
print(oLayer.outLayer.b.value)
save_weights("weights.txt", hLayer.hidLayer.W.value,
hLayer.hidLayer.b.value, oLayer.outLayer.W.value,
oLayer.outLayer.b.value)
return 0 # success
def main():
print("\nBegin Stop Match \n")
np.random.seed(0)
do_demo() # all the work is done in do_demo()
if __name__ == "__main__":
main()
# end script
答案 0 :(得分：2)
我认为问题在于您的输出图层正在使用softmax()激活功能，但之后您使用cross_entropy_with_softmax()作为损失函数。因此，在训练时，您的结果将被评估为softmax上的softmax。
在输出图层中使用activation=None，看看您的培训是如何进行的。
在您的预测代码中，您显然必须将softmax应用于您的评估，例如C.ops.softmax(nnet).eval({input_Var: unknown})。回顾一下我所做的一个例子，我使用了C.softmax，但这可能与我写这个例子与你正在使用的CNTK版本时的名称空间不同。
PS：如果你正在进行二进制分类，那么你真的不需要使用softmax，因为它真正用于多类分类问题。它应该仍然可以在二进制的情况下工作。
PPS：在训练期间，在每个小批量之后打印出损失是有用的，这样你就可以看到梯度下降是否收敛。我想你会在你当前的模型中发现它不是。
PPS：我刚注意到你的变量output_dim被设置为1.我不知道在这种情况下你会用softmax获得什么行为。通常softmax将应用于一个热编码输出，因此在二进制情况下，您将有两个输出，这将给出正确结果为零或一的概率。同样，你需要在训练之前对你的基本事实进行热编码。无法确定您的方法是否有效，但它看起来很可疑。