版上大神好，小弟大三EE還是此領域新手，目前使用tensorflow來實作
求大神解答QQ，本人寒酸有給建議的人一率奉上微薄100P
我稍微說明一下程式目的及架構，裡面code也有稍微打個註解
我有找到一份資料是是關於航線是否延遲共有8個特徵
裡面有九個元素前八個是特徵，最後一項是答案0或1
然後一共有1175筆資料
現在希望架設個神經網路訓練它，接著再拿別筆資料1*8矩陣送進去使它趨近0或1
架構應該是對的但想餵資料驗證時有問題QQ
當然裡面有先對資料做正規化，使用公式為Xnorm=(X-Xmin)/(Xmax-Xmin)
架構為inputs layer有8個神經元接著隱藏層1有6個神經元，
隱藏層2有3個神經元再輸出層一個神經元，也就是讓它1*8矩陣收斂為1*1矩陣
前面50筆當驗證用剩餘部分拿來訓練
大致就是隨機取一筆訓練30000次
這是我的程式檔:
https://github.com/Hawkingfans/airline_delayed_judgment/blob/master/.gitignore
以及data: https://goo.gl/RNRxnD
放在github裡
但執行結果卻是: https://imgur.com/ZUwSqh8
每個output都一樣....猜是訓練方式有問題?
不知道可以如何修改?
但因發現似乎解法是想驗證一筆資料就要再重新train一次?不確定
所以暫時修改為:(只動with裡面)
with tf.Session() as sess:
sess.run(init)
for k in range(0,10):
#訓練部分(扣除前10筆資料所剩餘的)
for i in range(20000):
n = np.random.randint(10, 1175 )
line_data = norm_data[np.newaxis, n, 0: 8]
expect = data[n, 8]
expected= np.reshape(expect,[1,1])
sess.run(train_step, feed_dict={xs: line_data,ys: expected})
#驗證部分(前10筆資料)
examine_data = norm_data[np.newaxis, k, 0: 8]
answer = norm_data[k, 8]
output = sess.run( y,feed_dict={xs: examine_data})
print("output =",output)
print("answer=", answer)
print("======================")
其實就是變成雙層for迴圈而已但因為這樣驗證會太久...所以就切10筆而已
結果如圖: https://imgur.com/jDSPjWk
看起來似乎有達到目的但這種做法要是切300筆資料要驗證，
不就變300*20000次....這會跑超久捏 = ="
且主要是這方法我拿去問教授，他說這樣是不對的.........
他說應該是訓練完好，驗證再另個block也就是不用重新train。
想請教各位如何修改才是正確的訓練?
希望以原本的方法為主，已經為此想破頭好幾天QAQ
感激不盡