교육 및 테스트 정확도 및 단계 크기

나는 tensorflow.On 터미널의 코드를 실행하고있어 교육 및 테스트 정확도와 단계 크기의 가치를 제공하고 있습니다. 누군가이 용어를 설명하거나이 용어를 이해할 수있는 모든 자료를 제공 할 수 있으며 회선 신경망에 대한 확률적인 그래디언트 강하 방법을 사용할 수 있습니까?교육 및 테스트 정확도 및 단계 크기

출처

2017-03-22 eman

프로젝트의 목적은 무엇입니까? – iFlo

난 convolution 신경 네트워크를 사용하여 특정 스핀 구성을 감지하도록 네트워크를 훈련시키고 싶습니다. 코드 훈련 단계는 2000 년입니다.이 코드를 실행하면이 같은 모든 100 단계 후에 값이 부여됩니다. – eman

단계 0, 교육 정확도 0.5 테스트 정확도 0.500 – eman

터미널에 표시된 내용부터 실제로 tflearn을 사용하고 있습니다. 이것은 또한 손실이나 비용을 표시해야합니다, 얼마나 멀리 실제 출력에서 귀하의 예측입니다. 낮은 손실과 높은 정확도 = 더 나은 모델. SGD (Stochastic Gradient Descent)는 학습 속도 감소를 허용합니다. 여기서 좋은 설명이 있습니다 http://tflearn.org/optimizers/#stochastic-gradient-descent 쇠퇴 쪽의 메뉴에서 손실, 교육, 정확도, 레이어 등에 관한 모든 것을 찾을 수 있습니다. 그리고 실제로 얼마나 자주 표시할지 선택할 수 있습니다. 배치 크기, 학습 속도, 반복 횟수, 레이어 수 및 노드 수에 따라이 모든 것을 가지고 놀고 데이터 집합에 대해 더 효과적인 것을 볼 수 있습니다.

출처

2017-03-22 11:18:07 CrisH

그래, 나는 SGD 방법에 대해 읽은 후에이 모든 용어의 의미를 알아 냈다. 도움을 청하니. – eman

2000 년 훈련 단계 후에 99 % 시험 정확도를 얻었 으면 4000 훈련 단계까지 네트워크를 계속 훈련 할 것입니다. 2000 년의 훈련 단계가 끝난 후 시험 정확도가 97 %이고 때로는이 값보다 적을 때도 그것이 바뀌고 있음을 의미합니다. 그게 무엇을 나타내는가? @CrisH 당신은 이것을 설명하거나이 문제의 원인을 이해할 수있는 주제 나 링크를 제안 할 수 있습니까? – eman

2000 년 단계를 거쳐야한다고 생각합니다. 어쩌면 당신은 4000에 대한 충분한 데이터가 없을 것입니다. 당신은 과핑을 방지해야합니다. 네트워크에 테스트 데이터도 제공 했습니까? 모델이 어떻게 작동하는지 보는 것도 매우 중요합니다. http://machinelearningmastery.com/overfitting-and-underfitting-with-machine-learning-algorithms/ 및 http://machinelearningmastery.com/a-simple-intuition-for-overfitting/과 같이 Underfitting에 대한 유용한 정보가 있습니다. 도움이된다! 이것이 내 네트워크 구축을 위해 읽은 것입니다. – CrisH

교육 및 테스트 정확도 및 단계 크기

답변

관련 문제