0
我试图建立一个带有2个隐藏层和3个输出类的简单MLP。 我在模型中所做的是:MLP给出不准确的结果
输入图像为120×120的RGB图像。扁平尺寸大小的(3 * 120 * 120)
2隐藏层100
RELU激活用于
输出层具有3个神经元
def model(input, weights, biases):
l_1 = tf.add(tf.matmul(x, weights['h1']), biases['b1'])
l_1 = tf.nn.relu(l_1)
l_2 = tf.add(tf.matmul(l_1, weights['h2']), biases['b2'])
l_2 = tf.nn.relu(l_2)
out = tf.matmul(l_2, weights['out']) + biases['out']
return out
优化器
pred = model(input_batch, weights, biases)
cost = tf.reduce_mean(tf.nn.softmax_cross_entropy_with_logits(pred, y))
optimizer = tf.train.GradientDescentOptimizer(rate).minimize(cost)
该模型不起作用。精确度仅等于随机模型的精确度。 下面的例子是这一个: https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/multilayer_perceptron.py
您使用了多少训练数据?训练了多久?训练停止后的损失值是多少? –