Je suis en utilisant DNN de tflearn, et je veux changer mes caractéristiques et les étiquettes pour être catégoriques et non numériques.TFlearn à catégorique
ici est mon filet:
x = tf.placeholder(dtype= tf.float32, shape=[None, 6], name='x')
# Build neural network
input_layer = tflearn.input_data(shape=[None, 6])
net = input_layer
net = tflearn.fully_connected(net, 128, activation='relu')
net = tflearn.fully_connected(net, 64, activation='relu')
net = tflearn.fully_connected(net, 16, activation='relu')
net = tflearn.fully_connected(net, 2, activation='sigmoid')
net = tflearn.regression(net, optimizer='adam', loss='mean_square', metric='R2')
w = tf.Variable(tf.truncated_normal([2, 2], stddev=0.1))
b = tf.Variable(tf.constant(1.0, shape=[2]))
y = tf.nn.softmax(tf.matmul(net, w) + b, name='y')
model = tflearn.DNN(net, tensorboard_verbose=3)
return model
Je sais tflearn.data_utils.to_categorical mais je ne sais pas comment injecter cette méthode. grâce
EDIT: J'ai essayé quelques petites choses, comme:
train_goal = tflearn.data_utils.to_categorical(train_goal, nb_classes=2)
test_goal = tflearn.data_utils.to_categorical(test_goal, nb_classes=2)
et changer aussi la perte:
net = tflearn.regression(net, optimizer='adadelta', loss='categorical_crossentropy', metric= self.accuracy)
mais je suis une perte de plus de 1:
Training Step: 35 | total loss: 1.64734 | time: 1.322s
| AdaDelta | epoch: 001 | loss: 1.64734 - acc: 1.0000 | val_loss: 1.64313 - val_acc: 1.0000 -- iter: 2204/2204
--
Training Step: 70 | total loss: 1.61961 | time: 0.216s
| AdaDelta | epoch: 002 | loss: 1.61961 - acc: 1.0000 | val_loss: 0.00000 - val_acc: 0.0000 -- iter: 2204/2204
--
Training Step: 105 | total loss: 1.58511 | time: 1.188s
| AdaDelta | epoch: 003 | loss: 1.58511 - acc: 1.0000 | val_loss: 1.57300 - val_acc: 1.0000 -- iter: 2204/2204
où est le problème?