Ich bin mit einem Code Tensorflow.On Terminal gibt es mir Werte der Ausbildung und Test Genauigkeit und Schrittgröße. Kann jemand bitte diese Ausdrücke erklären oder irgendein Material zur Verfügung stellen, das ich lesen kann, um diese Ausdrücke und auch stochastische Gradientenabstiegmethode für faltende neurale Netze zu verstehenTraining und Test Genauigkeit und Schrittgröße
Von, was du im Terminal angezeigt hast, verwendest du tatsächlich tflearn. Dies sollte auch den VERLUST oder KOSTEN anzeigen, was ist, wie weit ist Ihre Vorhersage von der tatsächlichen Ausgabe. Geringer Verlust und hohe Genauigkeit = besseres Modell. Der Stochastic Gradient Descent (SGD) ermöglicht den Lernratenabfall. Es gibt eine gute Erklärung hier http://tflearn.org/optimizers/#stochastic-gradient-descent Im Menü auf der Filzseite finden Sie alles über Verlust, Training, Genauigkeit, Schichten etc. Und Sie können tatsächlich wählen, wie oft Sie diese Dinge anzeigen möchten (ich meine in welchem Schritt). Ab Stapelgröße, Lernrate, Anzahl der Iterationen, Anzahl der Ebenen und Anzahl der Knoten können Sie mit all diesen Optionen experimentieren und sehen, welche für Ihren Datensatz besser geeignet sind.
Ok ich habe die Bedeutung all dieser Begriffe nach dem Lesen über SGD-Methode.Thanks for help – eman
Aber was ist, wenn ich 99% Testgenauigkeit nach 2000 Trainingsschritten und ich weiterhin mein Netzwerk bis 4000 Trainingsschritte trainieren. Dann zeigen meine Ergebnisse dass nach 2000 Trainingsschritten die Testgenauigkeit manchmal bei 97% liegt und manchmal sogar weniger als dieser Wert bedeutet, dass sie sich ändert. Was bedeutet das? @CrisH kannst du das bitte erklären oder ein Thema oder einen Link vorschlagen, um den Grund dafür zu verstehen. – eman
Ich denke du solltest nach 2000 Schritten aufhören. Vielleicht haben Sie nicht genug Daten für 4000. Sie müssen das Überpassen verhindern. Haben Sie Ihrem Netzwerk auch Testdaten gegeben? Das ist auch sehr wichtig, um zu sehen, wie das Modell funktioniert. Es gibt einige gute Lektüre über Overfitting wie http://machinelearningmastery.com/overfitting-and-underfitting-with-machine-learning-algorithms/ und auch http://machinelearningmastery.com/a-simple-intuition-for-ofitting/ Hpe es hilft! Das lese ich zum Aufbau meiner Netzwerke – CrisH
Was ist der Zweck Ihres Projekts? – iFlo
Ich möchte Convolution neuronalen Netzwerk verwenden, um mein Netzwerk zu trainieren, um eine bestimmte Spin-Konfiguration zu erkennen. In Code-Trainingsschritt ist 2000 und wenn ich diesen Code ausführen gibt es Werte nach jedem 100 Schritt wie – eman
Schritt 0, Trainingsgenauigkeit 0,5 Testgenauigkeit 0,500 – eman