如何为 Keras 准备数据集？

Question

动机

通过Keras神经网络运行一组标记向量。

例子

查看 Keras 数据集示例 mnist：

keras.datasets import mnist
(x_tr, y_tr), (x_te, y_te) = mnist.load_data()
print x_tr.shape

好像是一个 3 维的 numpy 数组：

(60000, 28, 28)

第一个维度用于样本
每个样本特征的第 2 和第 3

尝试

构建标记向量：

X_train = numpy.array([[1] * 128] * (10 ** 4) + [[0] * 128] * (10 ** 4))
X_test = numpy.array([[1] * 128] * (10 ** 2) + [[0] * 128] * (10 ** 2))

Y_train = numpy.array([True] * (10 ** 4) + [False] * (10 ** 4))
Y_test = numpy.array([True] * (10 ** 2) + [False] * (10 ** 2))

X_train = X_train.astype("float32")
X_test = X_test.astype("float32")

Y_train = Y_train.astype("bool")
Y_test = Y_test.astype("bool")

训练代码

model = Sequential()
model.add(Dense(128, 50))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(50, 50))
model.add(Activation('relu'))
model.add(Dropout(0.2))
model.add(Dense(50, 1))
model.add(Activation('softmax'))

rms = RMSprop()
model.compile(loss='binary_crossentropy', optimizer=rms)

model.fit(X_train, Y_train, batch_size=batch_size, nb_epoch=nb_epoch,
          show_accuracy=True, verbose=2, validation_data=(X_test, Y_test))

score = model.evaluate(X_test, Y_test, show_accuracy=True, verbose=0)
print('Test score:', score[0])
print('Test accuracy:', score[1])

结果

Test score: 13.9705320154
Test accuracy: 1.0

为什么对于这么简单的数据集我会得到如此糟糕的结果？我的数据集格式不正确吗？

谢谢！

Answer 1

仅在一个输出节点上的 softmax 没有多大意义。如果将 model.add(Activation('softmax')) 更改为 model.add(Activation('sigmoid'))，则您的网络运行良好。

或者，您也可以使用两个输出节点，其中 1, 0 表示 True 的情况，0, 1 表示 False 的情况。然后你可以使用 softmax 层。您只需相应地更改 Y_train 和 Y_test。

如何为 Keras 准备数据集？

How to prepare a dataset for Keras?

python

machine-learning

keras

动机

例子

尝试

训练代码

结果