ML에서 Andrew Ng의 수업에서 사용한 자료를 검토하고 TensorFlow에서이를 구현하려고합니다. 나는 scipy의 optimize
함수를 사용하여 0.213의 비용을 얻을 수 있었지만, TensorFlow를 사용하면 0.622
에 머물러 있었고, 0의 초기 가중치를 사용하는 0.693
의 초기 손실과 그리 멀지 않았습니다.TensorFlow GradientDescentOptimizer가 예상 비용으로 변환되지 않음
here 게시물을 검토하고NaN을 방지하기 위해 내 손실 함수를 호출했습니다. 나는 이것이 올바른 접근법이라고 확신하지 않으며 더 나은 방법이 있다고 확신한다. 나는 또한 tf.clip_by_value
을 사용해 보았지만 최적화되지 않은 동일한 비용을 제공합니다.
iterations = 1500
with tf.Session() as sess:
X = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
theta = tf.Variable(tf.zeros([3,1]), dtype=tf.float32)
training_rows = tf.placeholder(tf.float32)
z = tf.matmul(X, theta)
h_x = 1.0/(1.0 + tf.exp(-z))
lhs = tf.matmul(tf.transpose(-y), tf.log(tf.maximum(1e-5, h_x)))
rhs = tf.matmul(tf.transpose((1 - y)), tf.log(tf.maximum(1e-5, 1 - h_x)))
loss = tf.reduce_sum(lhs - rhs)/training_rows
alpha = 0.001
optimizer = tf.train.GradientDescentOptimizer(alpha)
train = optimizer.minimize(loss)
# Run the session
X_val, y_val = get_data()
rows = X_val.shape[0]
kwargs = {X: X_val, y: y_val, training_rows: rows}
sess.run(tf.global_variables_initializer())
sess.run(tf.assign(theta, np.array([0,0,0]).reshape(3,1)))
print("Original cost before optimization is: {}".format(sess.run(loss, kwargs)))
print("Optimizing loss function")
costs = []
for i in range(iterations):
optimal_theta, result = sess.run([theta, train], {X: X_val, y: y_val, training_rows: rows})
cost = sess.run(loss, kwargs)
costs.append(cost)
optimal_theta,loss = sess.run([theta, loss], {X: X_val, y: y_val, training_rows: rows})
print("Optimal value for theta is: {} with a loss of: {}".format(optimal_theta, loss))
plt.plot(costs)
plt.show()
는 또한 0.001
을 초과하는 학습 속도가 격렬하게 앞뒤로 손실 최적화 춤을 야기 것으로 나타났습니다. 그게 정상인가요? 마지막으로, 반복 횟수를 25,000 개로 늘리려고 시도했을 때 0.53
까지의 비용을 실현했습니다. 훨씬 적은 수의 반복으로 수렴 할 것으로 기대하고있었습니다.