Python, softmax显示label报错, 请大神指点一下
前辈们好,最近在测试caffe2流程,在softmax&loss层遇到了一个奇怪的问题
数据结构
Fea_tr= 35维,100000行
Lab_tr= 1维,100000行
[1,0,0 ,-1,......1,0,-1]
问题是分成三类,我分别用1,0,-1做了标定。
模型层:1:fc,2:sigmod, 3:soft&loss
在运行net训练的时候,系统报了这样一个错误。
lab_data[i]<D && label_data[i] > 0
label seems incorrect.
这是什么问题呢?我希望把35维的数据,用神经网络,完成分为3类。
正确的label,应该怎么标定呢。
数据结构
Fea_tr= 35维,100000行
Lab_tr= 1维,100000行
[1,0,0 ,-1,......1,0,-1]
问题是分成三类,我分别用1,0,-1做了标定。
模型层:1:fc,2:sigmod, 3:soft&loss
在运行net训练的时候,系统报了这样一个错误。
lab_data[i]<D && label_data[i] > 0
label seems incorrect.
这是什么问题呢?我希望把35维的数据,用神经网络,完成分为3类。
正确的label,应该怎么标定呢。
...全文
相关推荐
TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法
主要介绍了TensorFlow tf.nn.softmax_cross_entropy_with_logits的用法,文中通过示例代码介绍的非常详细,对大家的学习或者工作具有一定的参考学习价值,需要的朋友们下面随着小编来一起学习学习吧
python用TensorFlow做图像识别的实现
一、TensorFlow简介 TensorFlow是由谷歌开发的一套机器学习的工具,使用方法很简单,只需要输入训练数据位置,设定参数和优化方法等,TensorFlow就可以将优化结果显示出来,节省了很大量的编程时间,TensorFlow的功能很多很强大,这边挑选了一个比较简单实现的方法,就是利用TensorFlow的逻辑回归算法对数据库中的手写数字做识别,让机器找出规律,然后再导入新的数字让机器识别。 二、流程介绍 上图是TensorFlow的流程,可以看到一开始要先将参数初始化,然后导入训练数据,计算偏差,然后修正参数,再导入新的训练数据,不断重复,当数据量越大,理论上参数就会越准确,不过
xgboost算法_python_xgboost预测结果_xgboost_xgboost预测_XGBoost算法
利用xgboost对多变量结果进行预测分析的学习,建立模型
Python-使用TensorLayer训练一个垃圾文本分类器
使用TensorLayer训练一个垃圾文本分类器
Python-使用类似Keras的模型定义来图解说明卷积神经网络CNN的Python脚本
使用类似Keras的模型定义来图解说明卷积神经网络(CNN)的Python脚本


