PyBrain mnist 分类

Question

我正在尝试 class使用 PyBrain 化 mnist 数据。

下面是训练代码：

def train_net(self):

    print("Build network")
    net = buildNetwork(784, 30, 10, bias=True, hiddenclass=TanhLayer, outclass=SoftmaxLayer)
    back_trainer = BackpropTrainer(net, learningrate=1)

    training_dataset = self.get_training_dataset()

    print("Begin training")
    time0 = time()
    err = back_trainer.trainUntilConvergence(dataset=training_dataset, maxEpochs=300, verbose=True)
    print("Training time is " + str(round(time()-time0, 3)) + " seconds.")

    return net, err

def get_training_dataset(self):
    print("Reading training images")
    features_train = self.read_images("train-images.idx3-ubyte")

    print("Reading training labels")
    labels_train = self.read_labels("train-labels.idx1-ubyte")

    # view_image(features_train[10])
    print("Begin reshaping training features")
    features_train = self.reshape_features(features_train)

    print("Create training dataset")
    training_dataset = ClassificationDataSet(784, 10)

    for i in range(len(features_train)):
        result = [0]*10
        result[labels_train[i]] = 1
        training_dataset.addSample(features_train[i], result)

    training_dataset._convertToOneOfMany()

    return training_dataset

当我在测试数据集上激活网络时，结果如下：

[  3.72885642e-25   4.62573440e-64   2.32150541e-31   9.42499004e-16
   1.33256639e-39   2.30439387e-17   5.16602624e-94   1.00000000e+00
   1.83860601e-27   1.22969684e-22]

其中argmax值表示class。对于给定的列表 argmax 是 7.

但是为什么呢？当我准备数据集时，你可以看到 result[labels_train[i]] = 1 我要求相应的神经元给我 1，其他必须为零。所以我预计 [0, 0, 0, 0, 0, 0, 0, 1, 0, 0].

我读到 _convertToOneOfMany 函数可以进行这样的输出。所以我添加了它，但没有任何改变。我做错了什么？

Answer 1

没有错，由于各种原因，您将几乎永远无法恢复精确训练的结果，所以当输出 "sufficiently" 接近正确答案（即在您发布的示例中）时，您应该感到高兴。

PyBrain mnist 分类

PyBrain mnist classification

python

neural-network

classification

pybrain

mnist