增加 tflearn 中的损失 (CNN)

Question

我正在尝试训练分类器以从原始音频频谱中区分歌曲流派。为此，我在 tflearn 中使用了深度卷积网络。但是，网络不会converge/learn/the损失越来越大。如果有人知道为什么会这样，我将不胜感激。

我使用的数据是频谱图的 128x128 灰度图像，分为古典音乐（500 个示例）和硬摇滚（500 个示例），1-hot 编码。

示例如下：

Classical extract

我可以说出两者之间的区别类（由于 Whosebug 的限制，我无法显示），我怀疑深度 CNN 根本无法对这些进行分类。

我的损失是这样的：

Loss plot in tflearn

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)

非常感谢您的帮助！

Answer 1

我通常会尝试的几件事是：

较低的学习率
尝试另一个激活
暂时删除掉落

HTH

增加 tflearn 中的损失 (CNN)

Increasing loss in tflearn (CNN)

neural-network

tensorflow

classification

deep-learning

tflearn