Neural network tflearn（美国有线电视新闻网）的损失增加_Neural Network_Tensorflow_Classification_Deep Learning_Tflearn

Neural network tflearn（美国有线电视新闻网）的损失增加

neural-network tensorflow deep-learning

Neural network tflearn（美国有线电视新闻网）的损失增加,neural-network,tensorflow,classification,deep-learning,tflearn,Neural Network,Tensorflow,Classification,Deep Learning,Tflearn,我试图训练一个分类器来区分歌曲类型和原始音频频谱。为此，我在tflearn中使用了一个深度卷积网络。然而，网络不会融合/学习/损失正在增加。如果有人知道为什么会这样，我将不胜感激我使用的数据是128x128灰度图像的光谱图，分为古典音乐（500个例子）和硬摇滚（500个例子），1-hot编码以下是样本的外观：我可以分辨出这两个类之间的区别（由于stackoverflow的限制，我无法显示），我怀疑深层CNN根本无法对它们进行分类我的损失是这样的：我在tflearn中为模型使用的代码

我试图训练一个分类器来区分歌曲类型和原始音频频谱。为此，我在tflearn中使用了一个深度卷积网络。然而，网络不会融合/学习/损失正在增加。如果有人知道为什么会这样，我将不胜感激

我使用的数据是128x128灰度图像的光谱图，分为古典音乐（500个例子）和硬摇滚（500个例子），1-hot编码

以下是样本的外观：

我可以分辨出这两个类之间的区别（由于stackoverflow的限制，我无法显示），我怀疑深层CNN根本无法对它们进行分类

我的损失是这样的：

我在tflearn中为模型使用的代码如下：

convnet = input_data(shape=[None, 128, 128, 1], name='input')

convnet = conv_2d(convnet, 64, 2, activation='elu', weights_init="Xavier")
convnet = max_pool_2d(convnet, 2)

convnet = conv_2d(convnet, 32, 2, activation='elu', weights_init="Xavier")
convnet = max_pool_2d(convnet, 2)

convnet = conv_2d(convnet, 128, 2, activation='elu', weights_init="Xavier")
convnet = max_pool_2d(convnet, 2)

convnet = conv_2d(convnet, 64, 2, activation='elu', weights_init="Xavier")
convnet = max_pool_2d(convnet, 2)

convnet = fully_connected(convnet, 1024, activation='elu')
convnet = dropout(convnet, 0.5)

convnet = fully_connected(convnet, 2, activation='softmax')
convnet = regression(convnet, optimizer='rmsprop', learning_rate=0.01, loss='categorical_crossentropy', name='targets')

model = tflearn.DNN(convnet)

model.fit({'input': train_X}, {'targets': train_y}, n_epoch=100, batch_size=64, shuffle=True, validation_set=({'input': test_X}, {'targets': test_y}), 
    snapshot_step=100, show_metric=True)

非常感谢你的帮助

我通常会尝试的几件事是：

低学习率
尝试另一个激活
暂时取消辍学

HTH

谢谢，我会试试这些！学习速度降低了十倍，现在正在收敛。。。我觉得自己像个白痴。我猜那句老话“保持冷静，降低你的学习率”是真的。非常感谢！没问题，很乐意帮忙！请将此答案或解决问题的其他答案标记为“已接受”。