J'ai une donnée d'entrée comme ceci:train un modèle en utilisant LSTM et keras
x_train = [
[0,0,0,1,-1,-1,1,0,1,0,...,0,1,-1],
[-1,0,0,-1,-1,0,1,1,1,...,-1,-1,0]
...
[1,0,0,1,1,0,-1,-1,-1,...,-1,-1,0]
]
y_train = [1,1,1,0,-1,-1,-1,0,1...,0,1]
est un tableau de arryas qui chaque tableau a une taille de 83 et y_train est le lable pour chacun de ces tableaux. alors len(x_train)
est égal à len(y_train)
. i d'occasion à partir keras et backend Théano pour la formation sur ces données avec ce code:
def train(x, y, x_test, y_test):
x_train = np.array(x)
y_train = np.array(y)
print x_train.shape
print y_train.shape
model = Sequential()
model.add(Embedding(x_train.shape[0], output_dim=256))
model.add(LSTM(128))
model.add(Dropout(0.5))
model.add(Dense(1, activation='sigmoid'))
model.compile(loss='binary_crossentropy',
optimizer='rmsprop',
metrics=['accuracy'])
model.fit(x_train, y_train, batch_size=16)
score = model.evaluate(x_test, y_test, batch_size=16)
print score
mais mon réseau ne correspondait pas et le résultat est:
Epoch 1/10
1618/1618 [==============================] - 4s - loss: -1.6630 - acc: 0.0043
Epoch 2/10
1618/1618 [==============================] - 4s - loss: -2.5033 - acc: 0.0012
Epoch 3/10
1618/1618 [==============================] - 4s - loss: -2.6150 - acc: 0.0012
Epoch 4/10
1618/1618 [==============================] - 4s - loss: -2.6297 - acc: 0.0012
Epoch 5/10
1618/1618 [==============================] - 4s - loss: -2.5731 - acc: 0.0012
Epoch 6/10
1618/1618 [==============================] - 4s - loss: -2.6042 - acc: 0.0012
Epoch 7/10
1618/1618 [==============================] - 4s - loss: -2.6257 - acc: 0.0012
Epoch 8/10
1618/1618 [==============================] - 4s - loss: -2.6303 - acc: 0.0012
Epoch 9/10
1618/1618 [==============================] - 4s - loss: -2.6296 - acc: 0.0012
Epoch 10/10
1618/1618 [==============================] - 4s - loss: -2.6298 - acc: 0.0012
283/283 [==============================] - 0s
[-2.6199024279631482, 0.26501766742328875]
que je veux faire cette formation et obtenir un bon résultat.
Vous ne vous entraînez que pendant 10 courtes époques. Que se passe-t-il si vous vous entraînez plus? –
@JonasAdler même avec 100 époques je reçois le même résultat. –
@JonasAdler Comment puis-je faire ce train avec tensorflow seulement? –