3

我正在尝试从 Theano深度学习教程第 8 章修改 Stacked Autoencoder 以进行分类。我正在处理的自动编码器的代码可在此处获得。

我的数据集由 4 个数组组成：test_set_x、test_set_y、valid_set_x、valid_set_y。这些名称是不言自明的。

这是在验证集上检查经过训练的自动编码器的方式：

valid_score = the.function([], sda.errors,
                 givens={
                    sda.x: valid_set_x,
                    sda.y: valid_set_y},
                 name='valid_test')

print valid_score()

此代码在我的数据集上打印出“0.87”，因此它确实有效。

表达得更详细

valid_score = the.function([], T.mean(T.neq(sda.logLayer.y_pred, sda.y)),
                 givens={
                    sda.x: valid_set_x,
                    sda.y: valid_set_y},
                 name='valid_test')

仍然给出正确答案 87%。

但是每当我试图直接获得真实的类预测向量时，我会得到一些非常错误的结果：结果向量的所有元素都等于 4（我的类中的一个）。

我的尝试看起来像这样：

predict = the.function([], sda.logLayer.y_pred,
                   givens={sda.x: valid_set_x})
print predict()

这将打印出“[4, 4, 4, ....., 4, 4]”。将此结果与 valid_set_y 向量进行比较得到大约 12% 的正确性，甚至不到 87%。

我不明白我做错了什么。

如果您曾经与 theano 自动编码器和/或提到的教程打过交道，请帮助我。

谢谢你。

4

1 回答 1

2

valid_score输出是验证集的错误率。验证分数87%意味着您仅能正确分类约 12% 的验证示例。这个结果似乎与“all 4”预测规则一致。

于 2014-07-13T12:50:41.893 回答