tflearn中的2d卷积CNN对mnist和cifar-10基准测试的垃圾学习
tflearn中的2d卷积CNN对mnist和cifar-10基准测试的垃圾学习
提问于 2016-08-10 23:43:45
我还在学习如何实现tflearn网络，所以请耐心等待。我从这里尝试了tflearn示例代码：https://github.com/tflearn/tflearn/blob/master/examples/images/convnet_cifar10.py
但奇怪的是，损失从未下降，在整个训练过程中，我看到的所有验证准确率都是10% (相当于此数据集的随机精度)。
然而，仅注释掉2D卷积和最大池化操作，验证精度在前10个时期跃升至0.47的验证精度。
这是修改后的代码，看起来效果更好。代码的其余部分与上面的链接相同
network = input_data(shape=[None, 32, 32, 3],
data_preprocessing=img_prep,
data_augmentation=img_aug)
#network = conv_2d(network, 32, 3, activation='relu')
#network = max_pool_2d(network, 2)
#network = conv_2d(network, 64, 3, activation='relu')
#network = conv_2d(network, 64, 3, activation='relu')
#network = max_pool_2d(network, 2)
network = fully_connected(network, 512, activation='relu')
network = dropout(network, 0.5)
network = fully_connected(network, 10, activation='softmax')
network = regression(network, optimizer='adam',
loss='categorical_crossentropy',
learning_rate=0.001)我只是有点担心和困惑的是，tflearn网站上给出的示例实现在实现2D卷积步骤时会产生随机分类。其他人以前见过这个吗？或者有人可以帮助我直观地理解为什么会发生这种情况？或者这是潜入conv_2d代码的静默bug的症状？
回答 1
Stack Overflow用户
回答已采纳
发布于 2016-08-15 13:33:45
事实证明，CUDA或CudNN库中存在错误。如果我在运行脚本之前关闭GPU计算，损失就会减少，验证准确率就会立即提高。
export CUDA_VISIBLE_DEVICES=''
python .....页面原文内容由Stack Overflow提供。腾讯云小微IT领域专用引擎提供翻译支持
原文链接：
https://stackoverflow.com/questions/38885226
复制相关文章
点击加载更多
相似问题
从google drive api检索文件元数据
迭代Team Drive文件Google Drive API JAVA
使用.net Google Drive api迭代google drive上的文件夹
Google Drive文件元数据读取
使用Google Drive API关联和搜索文档元数据
添加站长 进交流群
领取专属 10元无门槛券
AI混元助手 在线答疑
关注 腾讯云开发者公众号
洞察 腾讯核心技术
剖析业界实践案例
腾讯云开发者
