C++ 在用于处理数据之前，神经网络似乎工作良好（所有结果实际上都是相同的）
我最近实现了一个典型的三层神经网络（输入->隐藏->输出），我正在使用sigmoid函数进行激活。到目前为止，主机程序有3种模式：C++ 在用于处理数据之前，神经网络似乎工作良好（所有结果实际上都是相同的）,c++,neural-network,C++,Neural Network,我最近实现了一个典型的三层神经网络（输入->隐藏->输出），我正在使用sigmoid函数进行激活。到目前为止，主机程序有3种模式： 创造，这似乎工作得很好。它创建具有指定数量的输入、隐藏和输出神经元的网络，将权重初始化为随机值或零 训练加载数据集，计算网络的输出，然后反向传播错误并更新权重。据我所知，这一切正常。在数据集上进行训练后，权重会发生变化，但不会非常剧烈 处理，这似乎工作正常。但是，用于培训的数据集或任何其他数据集的数据输出非常糟糕。它通常是一个连续的1流，偶尔有一个0.9999999
我应该如何着手找出哪些工作不正常？您需要找到一组参数（神经元数量、学习速率、训练迭代次数），这些参数可以很好地对以前未看到的数据进行分类。人们通常通过将数据分为三组来实现这一目标：培训、验证和测试
无论您决定做什么，请记住，在您培训的同一数据上进行测试是没有意义的，因为任何接近合理的分类方法都应该在这样的设置下100%地正确无误。您需要找到一组参数（神经元数量、学习速率、训练迭代次数）对以前看不见的数据进行分类。人们通常通过将数据分为三组来实现这一点：训练、验证和测试
无论您决定做什么，请记住，在您培训的相同数据上进行测试是没有意义的，因为任何接近合理的分类方法都应该在这样的设置下100%正确地完成所有工作。我基本上同意您的意见。您所说的培训迭代次数是什么意思？是的，我知道测试n我训练的数据没有意义，但如果它甚至不能做到这一点，你认为它在以前看不见的数据上的表现如何（它的准确率相同，所以完全没有用）？我想说的是，我认为问题不在于网络的架构，而在于我的代码中的某个地方。我基本上同意你的观点。你所说的培训迭代次数是什么意思？是的，我知道对我培训的数据进行测试是没有意义的，但如果它甚至不能做到这一点，你会做得怎么样我的意思是，我认为问题出在网络架构之外的其他地方，我相信问题出在我的代码中。