python - keras v1.2.2 与 keras v2+ 的奇怪行为(准确性差异巨大)
问题描述
今天我遇到了 Keras 的一些非常奇怪的行为。当我尝试使用简单模型对 iris 数据集进行分类运行时,keras 版本 1.2.2 为我提供了 +- 95% 的准确率,而 keras 版本 2.0+ 为每个训练示例预测相同的类(导致+- 35% 的准确度,因为有三种类型的虹膜)。使我的模型预测 +-95% 准确度的唯一因素是将 keras 降级到 2.0 以下的版本:
我认为这是Keras的问题,因为我尝试了以下事情,都没有任何区别;
- 在最后一层切换激活函数(从 Sigmoid 到 softmax)。
- 切换后端(Theano 和 Tensorflow 都提供大致相同的性能)。
- 使用随机种子。
- 改变隐藏层中的神经元数量(我在这个简单模型中只有 1 个隐藏层)。
- 切换损失函数。
由于该模型非常简单并且可以自行运行(您只需要易于获取的 iris.csv 数据集),因此我决定包含整个代码;
import pandas as pd
from keras.models import Sequential
from keras.layers import Dense
from keras.wrappers.scikit_learn import KerasClassifier
from keras.utils import np_utils
from sklearn.model_selection import cross_val_score
from sklearn.model_selection import KFold
from sklearn.preprocessing import LabelEncoder
#Load data
data_frame = pd.read_csv("iris.csv", header=None)
data_set = data_frame.values
X = data_set[:, 0:4].astype(float)
Y = data_set[:, 4]
#Encode class values as integers
encoder = LabelEncoder()
encoder.fit(Y)
encoded_Y = encoder.transform(Y)
# convert integers to dummy variables (i.e. one hot encoded)
dummy_y = np_utils.to_categorical(encoded_Y)
def baseline_model():
#Create & Compile model
model = Sequential()
model.add(Dense(8, input_dim=4, init='normal', activation='relu'))
model.add(Dense(3, init='normal', activation='sigmoid'))
model.compile(loss='categorical_crossentropy', optimizer='adam', metrics=['accuracy'])
return model
#Create Wrapper For Neural Network Model For Use in scikit-learn
estimator = KerasClassifier(build_fn=baseline_model, nb_epoch=200, batch_size=5, verbose=0)
#Create kfolds-cross validation
kfold = KFold(n_splits=10, shuffle=True)
#Evaluate our model (Estimator) on dataset (X and dummy_y) using a 10-fold cross-validation procedure (kfold).
results = cross_val_score(estimator, X, dummy_y, cv=kfold)
print("Accuracy: {:2f}% ({:2f}%)".format(results.mean()*100, results.std()*100))
如果有人想在这里复制错误是我用来观察问题的依赖项:
numpy=1.16.4
pandas=0.25.0
sk-learn=0.21.2
theano=1.0.4
tensorflow=1.14.0
解决方案
在 Keras 2.0 中,许多参数更改了名称,有兼容层来保持工作,但不知何故它在使用KerasClassifier
.
在这部分代码中:
estimator = KerasClassifier(build_fn=baseline_model, nb_epoch=200, batch_size=5, verbose=0)
您使用的是旧名称nb_epoch
而不是epochs
. 默认值为epochs=1
,这意味着您的模型只被训练了一个时期,产生了非常低质量的预测。
还要注意这里:
model.add(Dense(3, init='normal', activation='sigmoid'))
您应该使用softmax
激活而不是sigmoid
,因为您使用的是分类交叉熵损失:
model.add(Dense(3, init='normal', activation='softmax'))
推荐阅读
- php - Laravel 微风包覆盖现有文件
- django - Django Makemigrations 并迁移成功。开发服务器按预期运行。在 Nginx 上服务时,“关系“auth_user”不存在”
- c - line_find() 如何找到缓存行大小(lmbench3)?
- reactjs - 如何保存 window.DZ.api() 返回的值?
- c++ - 如何将 min_value 与成对向量一起使用?
- vue.js - Vuejs 搜索列表使用箭头键在列表中导航
- java - 数据集类型不匹配
- r - 用条件折叠多行
- instagram - Instagram Graph API 在新帖子上创建 Webhook
- jenkins - 是否可以根据 Jenkins 声明性管道中后续阶段的结果返回/重播先前的输入阶段?