Numpy 多层感知器神经网络的准确率为10%
我正在使用CIFAR-10数据集来训练我的神经网络,我得到的分数约为Numpy 多层感知器神经网络的准确率为10%,numpy,machine-learning,scipy,scikit-learn,neural-network,Numpy,Machine Learning,Scipy,Scikit Learn,Neural Network,我正在使用CIFAR-10数据集来训练我的神经网络,我得到的分数约为0.10,这就好像我的神经网络只是在猜测(正确答案的概率为1/10),CIFAR-10有10种类型(汽车、飞机、猫、狗等)的32x32张图像。我怀疑我的代码有问题 顺便说一下,取消勾选文件不是问题 请帮帮我 from sklearn import datasets from sklearn.neural_network import MLPClassifier import numpy as np import time la
0.10
,这就好像我的神经网络只是在猜测(正确答案的概率为1/10),CIFAR-10有10种类型(汽车、飞机、猫、狗等)的32x32张图像。我怀疑我的代码有问题
顺便说一下,取消勾选文件不是问题
请帮帮我
from sklearn import datasets
from sklearn.neural_network import MLPClassifier
import numpy as np
import time
labels = ["airplane", "automobile", "bird", "cat", "deer", "dog", "frog", "horse", "ship", "truck"]
def unpickle(f):
import cPickle
fo = open(f, "rb")
dict = cPickle.load(fo)
fo.close()
return dict
def setup_mlp(unpickled_data):
new_mlp = MLPClassifier(hidden_layer_sizes=3072, solver='sgd', batch_size=1000, max_iter=500, random_state=1, learning_rate_init=0.01)
return new_mlp
#hidden_layer_sizes is the number of neurons in a layer. In this case I have one hidden layer & 3072 neurons in that layer
if __name__ == "__main__":
unpickled_batch = unpickle("./data_batch_1")
print int(unpickled_batch["data"].shape[0])
#time.sleep(1000)
X_train = unpickled_batch["data"][:1000]
Y_train = unpickled_batch["labels"][:1000]
print "Decoded batch, now training\n"
mlp = setup_mlp(unpickled_batch)
mlp.fit(X_train, Y_train)
print "Score=" + str(mlp.score(X_train, Y_train))
我昨天也有类似的问题,所以也许这可以帮助你 如果对数据集进行标准化,即。 加
从sklearn导入预处理
X_列=预处理。缩放(X_列)
加载数据之后
但这是不够的,因为您的测试集与训练集相同,您最终的分数为1.0,并且没有新图像预测的信息
要解决此问题,您可以从cifar-10文件中加载“测试批次”,或将未勾选的批次[“数据”]和未勾选的批次[“标签”]拆分为系列i测试数据集
之后,根据测试集的大小,你应该得到大约0.3分。我昨天遇到了类似的问题,所以这可能会对你有所帮助 如果对数据集进行标准化,即。 加
从sklearn导入预处理
X_列=预处理。缩放(X_列)
加载数据之后
但这是不够的,因为您的测试集与训练集相同,您最终的分数为1.0,并且没有新图像预测的信息
要解决此问题,您可以从cifar-10文件中加载“测试批次”,或将未勾选的批次[“数据”]和未勾选的批次[“标签”]拆分为系列i测试数据集
之后,根据测试集的大小,你应该得到大约0.3分