测试精度 0.5 TensorFlow RNN 可变长度字符串

Posted 2023-02-16

【中文标题】测试精度 0.5 TensorFlow RNN 可变长度字符串

【英文标题】：Testing accuracy 0.5 TensorFlow RNN variable length strings

【发布时间】：2017-04-07 05:34:29

【问题描述】：

在修改了您在帖子末尾的链接中找到的以下代码后，即从具有字母 0-1 的可变长度字符串文件中读取并能够通过LSTMCell 设置层数和MultiRNNCell 我得到的精度值为 0.5。

特别是，字符串是一种常规语言，每个字符串都被标记为接受和不接受。

我想要一些关于改变哪些参数以获得更准确的值的建议：

可能需要设置的参数：

learning_rate - training_iters - batch_size - display_step - n_layers - seq_max_len - n_hidden - n_classes。

提前致谢！

https://github.com/aymericdamien/TensorFlow-Examples/blob/master/examples/3_NeuralNetworks/dynamic_rnn.py

【参考方案1】：

如果没有更多信息，很难回答这个问题。我将从一般的角度独立处理每个参数：

n_classes：根据您的描述，我了解到您正在解决二进制分类问题。因此，n_classes=2。 seq_max_len 表示序列的最大长度。您可以从计算输入的最大长度开始并使用它（如果最大长度太大，则可以使用任何其他合理的长度）。 n_layers, n_hidden - 我建议在获得能够学习的模型时调整这些参数。首先，将它们设置为一些较低的值，例如n_layers = 1 或 2，n_hidden = 64。 batch_size - 100 或接近的值应该可以开始， display_step - 它不影响生成模型的质量，只影响脚本打印中间统计数据的频率。 learning_rate - 您应该选择此值，以减少模型损失。如果 loss 没有减少，则选择较低的 learning_rate training_iters - 您应该监控验证集的损失（和其他指标）并选择最佳迭代次数。

【讨论】：

非常感谢您的回答。我从昨天开始就在尝试这种方式。

不客气。首先要检查的是训练模型时损失值是否在减少。如果不是，则表明模型或优化存在问题（可能学习率太高）。

我尝试更改参数，但不幸的是，我总是得到较低的准确度值和较高的误差。