Python 如何从无堆叠自动编码器获取预测向量

我正试图修改堆叠式自动编码器，用于第8章中的分类。我正在处理的自动编码器的代码是可用的

我的数据集由4个数组组成：测试集、测试集、有效集、有效集。这些名字是自我解释的

这是如何在验证集上检查经过培训的自动编码器：

valid_score = the.function([], sda.errors,
                 givens={
                    sda.x: valid_set_x,
                    sda.y: valid_set_y},
                 name='valid_test')

print valid_score()

这段代码在我的数据集上打印出“0.87”，所以它确实有效

表达得更详细些

valid_score = the.function([], T.mean(T.neq(sda.logLayer.y_pred, sda.y)),
                 givens={
                    sda.x: valid_set_x,
                    sda.y: valid_set_y},
                 name='valid_test')

仍然给出了87%的正确答案

但每当我试图直接得到真实的类预测向量时，我得到了一些非常错误的结果：结果向量的所有元素都等于4（我的类上有一个）

我的尝试如下所示：

predict = the.function([], sda.logLayer.y_pred,
                   givens={sda.x: valid_set_x})
print predict()

这会打印出“[4,4,4，…，4,4]”。将此结果与有效的_集_y向量进行比较，得到大约12%的正确率，甚至不到87%

我不明白我做错了什么

如果您曾经与theano自动编码器和/或上述教程有过交易，请帮助我

---

谢谢。

有效的\u分数输出是验证集上的错误率。验证分数

87%

意味着您仅成功地对约12%的验证示例进行了正确分类。这个结果似乎符合“全部4”预测规则。

为什么您只使用逻辑层？输入应该首先通过sigmoid层-对吗？最后通过物流层。