有这么几个坑：
首先，loss函数真的超级重要！随神经网络层数的不同，loss函数也应该发生变化。比如我把莫烦python教程mnist的那个例子直接搬下来之后加了一层，正确率直线下降，找不到原因，到网上又找了个代码一点一点改，发现把loss函数改掉之后正确率也基本上跟没训练差不多了。比如loss后面用的是交叉熵，而莫烦python用得不是。
第二个就是，分批次学真的很重要，我自己的神经网络基本上是照着莫烦的模板来的，但是不同的是我读取数据用的是MNIST库而不是TensorFlow自己的库，这样我load的时候load in batches他就会报错（我现在都不知道，明明返回了两个值，我用两个数据匹配结果报错），我就直接load training然后一次性载入。我把网上的模板代码也这么改了，果然正确率直线下降，训练了跟没训练差不多。不过这个从直观上也很好理解，毕竟如果一次性给我们学太多东西不给反馈，学了跟没学差不多。一次次少量练习加反馈才能收到最好的效果。
待续吧，反正现在的阶段就是，抄代码都能生造bug，然后debug几天（摊手）
顺便，python真的难……
关于搭建神经网络
猜你喜欢
转载自blog.csdn.net/weixin_44288817/article/details/89044549
今日推荐
周排行