conv-neural-network - CNN 权重卡住了
问题描述
这是一个稍微有点理论的问题。下图描绘了 CNN 正在接受训练时的损失。Y 轴是 MSE,X 轴是 Epoch 数。
美国有线电视新闻网简介:
class Net(nn.Module):
def __init__ (self):
super(Net, self).__init__()
self.conv1 = nn.Conv1d(in_channels = 1, out_channels = 5, kernel_size = 9) #.double
self.pool1 = nn.MaxPool1d(3)
self.fc1 = nn.Linear(5*30, 200)
#self.dropout = nn.Dropout(p = 0.5)
self.fc2 = nn.Linear(200, 99)
def forward(self, x):
x = self.pool1(F.relu(self.conv1(x)))
x = x.view(-1, 5 * 30)
#x = self.dropout(F.relu(self.fc1(x)))
x = F.relu(self.fc1(x))
x = self.fc2(x)
return x
def init_weights(m):
if type(m) == nn.Linear:
nn.init.xavier_uniform_(m.weight)
m.bias.data.fill_(0.01)
net = Net()
net.apply(init_weights)
criterion = nn.MSELoss()
optimizer = optim.Adam(net.parameters(), lr=0.01-0.0001) # depends
输入和输出都是数字数组。这是一个多元回归输出问题。
如果我使用较低的学习率,损失/权重卡在错误位置的问题不会发生太多。但是,它仍然会发生。从某种意义上说,这意味着由 CNN 的参数创建的超维空间带有许多局部最小值。这可能是真的,因为 CNN 的输入非常相似。增加卷积层和全连接线性的 CNN 层是否有助于解决这个问题,因为它们的超维空间可能更平滑?还是这种直觉完全不正确?一个更广泛的问题,你应该何时倾向于添加更多的卷积层?我知道在实践中你几乎不应该从头开始,而是使用另一个模型的前几层。然而,
解决方案
这是一个多类分类问题吗?如果是这样,您可以尝试使用交叉熵损失。和输出之前的softmax层可能吗?我不确定,因为我不知道模型的输入和输出是什么。
推荐阅读
- javascript - 使用 chart.js 和关联数组生成条形图
- ocaml - 如何制作函数。在 Ocaml 中,它接受两个布尔值和一个 char(操作),然后返回相应的逻辑值
- sql - 避免 SQL Pivot 返回重复行
- javascript - 为什么不同组件中的 scss 模块会覆盖我当前 React 组件中的某些 css?
- python - 如何使用 Python/Beautiful Soup 提取两个不同标签之间的文本?
- python - 无效的块标记应为“空”或“endfor”。尝试显示 ImageField 时出错
- java - 我在用 JavaFX 画叉时遇到问题
- java - AIDL 客户端未绑定到远程服务
- python - Boto3:有没有办法优雅地中断 SQS 长轮询接收消息请求?
- c# - Unity 试图在 RenderSettings.ambientskycolor 之间进行调整不起作用?