我学习机器学习并试图建立一个简单的张量流模型。当我试着训练模特时,我的损失是10个。在
5s 83us/step - loss: 9.6847 - acc: 0.3971
型号代号:
model = keras.Sequential([
keras.layers.Flatten(input_shape=(28, 28)),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.layers.Dense(128, activation=tf.nn.relu),
keras.layers.Dense(10, activation=tf.nn.softmax)
])
model.compile(optimizer=tf.train.AdamOptimizer(),
loss='sparse_categorical_crossentropy',
metrics=['accuracy'])
model.fit(x_train, y_train, epochs=3)
但是我用这段代码规范化了数据集
{cd2}
然后损失降到不到1。在
问题是,它是如何产生如此巨大的影响的?在
“问题是,它做了什么来产生如此巨大的影响?” 它将训练数据规范化为数据Implementation的l2范数。这样做的目的是没有特定的样本控制权重的更新方式。也可以看到这个question的答案。在这个答案中,使用一个双特征logistic回归示例来解释标准化的原因。在
相关问题 更多 >
编程相关推荐