我正在复习 Andrew Ng 的 ML 类(class)中所做的 Material ,并尝试在 TensorFlow 中实现它。我能够使用 scipy 的 optimize
函数获得 0.213 的成本,但使用 TensorFlow,它停留在 0.622
,与初始损失 0.693 相差不远
使用一组初始权重为零。
我查看了该帖子here并向我的损失函数添加了 tf.maximum 调用以防止出现 NaN。我不相信这是正确的方法,但我确信有更好的方法。我还尝试使用 tf.clip_by_value 代替,但这给出了相同的非优化成本。
iterations = 1500
with tf.Session() as sess:
X = tf.placeholder(tf.float32)
y = tf.placeholder(tf.float32)
theta = tf.Variable(tf.zeros([3,1]), dtype=tf.float32)
training_rows = tf.placeholder(tf.float32)
z = tf.matmul(X, theta)
h_x = 1.0 / (1.0 + tf.exp(-z))
lhs = tf.matmul(tf.transpose(-y), tf.log(tf.maximum(1e-5, h_x)))
rhs = tf.matmul(tf.transpose((1 - y)), tf.log(tf.maximum(1e-5, 1 - h_x)))
loss = tf.reduce_sum(lhs - rhs) / training_rows
alpha = 0.001
optimizer = tf.train.GradientDescentOptimizer(alpha)
train = optimizer.minimize(loss)
# Run the session
X_val, y_val = get_data()
rows = X_val.shape[0]
kwargs = {X: X_val, y: y_val, training_rows: rows}
sess.run(tf.global_variables_initializer())
sess.run(tf.assign(theta, np.array([0,0,0]).reshape(3,1)))
print("Original cost before optimization is: {}".format(sess.run(loss, kwargs)))
print("Optimizing loss function")
costs = []
for i in range(iterations):
optimal_theta, result = sess.run([theta, train], {X: X_val, y: y_val, training_rows: rows})
cost = sess.run(loss, kwargs)
costs.append(cost)
optimal_theta,loss = sess.run([theta, loss], {X: X_val, y: y_val, training_rows: rows})
print("Optimal value for theta is: {} with a loss of: {}".format(optimal_theta, loss))
plt.plot(costs)
plt.show()
我还注意到,任何大于 0.001
的学习率都会导致优化器随着损失而疯狂地来回跳动。这正常吗?最后,当我尝试将迭代次数增加到 25,000 次时,我意识到成本降至 0.53
。我预计它会在更少的迭代中收敛。
最佳答案
为了解决这个问题,我学到了很多东西。到目前为止,我还没有意识到损失函数的这一部分可能存在问题:
loss = -y log(h(x)) + (1 - y) (log(1 - h(x)))
如果 sigmoid 函数 h(x) 结果为 1(如果 z,即 X * theta 很大,则可能会发生这种情况),那么我们将评估 log(1 - 1) = log (0),这是无限的。
为了解决这个问题,我必须使用特征缩放来规范化 X 的值。这确保了 X * theta 更小,并且类似地 z,sigmoid 函数不会得出 1。当 z 变大时,e ^-z 趋向于零。因此,使用特征缩放可确保 z 中的值相对较小,并且 e^-z 将具有可以在分母计算中添加到 1 的实际值:
z = 1 / (1 + e^-(X*theta))
作为引用,特征缩放仅意味着减去平均值并除以范围。
(arr - mean) / (max - min)
关于python - TensorFlow GradientDescentOptimizer 未达到预期成本,我们在Stack Overflow上找到一个类似的问题: https://stackoverflow.com/questions/46803880/