Keras ニューラルネットワークを介して一連のラベル付きベクトルを実行します。
Kerasデータセットの例mnistを見てください。
keras.datasets import mnist
(x_tr, y_tr), (x_te, y_te) = mnist.load_data()
print x_tr.shape
それは3次元の派手な配列のようです:
(60000, 28, 28)
ラベル付けされたベクトルを構築する:
X_train = numpy.array([[1] * 128] * (10 ** 4) + [[0] * 128] * (10 ** 4))
X_test = numpy.array([[1] * 128] * (10 ** 2) + [[0] * 128] * (10 ** 2))
Y_train = numpy.array([True] * (10 ** 4) + [False] * (10 ** 4))
Y_test = numpy.array([True] * (10 ** 2) + [False] * (10 ** 2))
X_train = X_train.astype("float32")
X_test = X_test.astype("float32")
Y_train = Y_train.astype("bool")
Y_test = Y_test.astype("bool")
model = Sequential()
model.add(Dense(128, 50))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(50, 50))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(50, 1))
model.add(Activation('softmax'))
rms = RMSprop()
model.compile(loss='binary_crossentropy', optimizer=rms)
model.fit(X_train, Y_train, batch_size=batch_size, nb_Epoch=nb_Epoch,
show_accuracy=True, verbose=2, validation_data=(X_test, Y_test))
score = model.evaluate(X_test, Y_test, show_accuracy=True, verbose=0)
print('Test score:', score[0])
print('Test accuracy:', score[1])
Test score: 13.9705320154
Test accuracy: 1.0
このような単純なデータセットでなぜこのような悪い結果が得られるのですか?データセットの形式が間違っていますか?
ありがとう!
1つの出力ノードだけのソフトマックスはあまり意味がありません。 model.add(Activation('softmax'))
をmodel.add(Activation('sigmoid'))
に変更すると、ネットワークのパフォーマンスが向上します。
または、2つの出力ノードを使用することもできます。ここで、1, 0
はTrue
の場合を表し、0, 1
はFalse
の場合を表します。次に、softmaxレイヤーを使用できます。それに応じてY_train
とY_test
を変更するだけです。